为做好录井专业数据治理, 首先要熟悉录井专业数据的特点, 对录井各个业务部门存在的专业数据痛点进行深入了解和分析, 然后才能搭建满足业务部门需求的理想数据治理框架和模型。通过分析录井数据生命周期, 归纳总结出录井专业数据以下4个特点。

1.1.1 录井技术种类繁多

录井技术种类较多, 有的是为了解决油气显示问题, 有的是为了解决岩性判别问题, 有的是为了满足工程监测需求。对于一些关键作业井, 为达到特定的地质研究目的, 往往要同时应用多项不同属性的录井技术, 由此产生的数据种类和数据类型千差万别。此外, 录井专业与其他相关专业交集较多, 很多数据都存在相互引用现象, 使得数据采集源头过多。

1.1.2 录井数据格式多样

录井数据所包含的数据格式多种多样, 不仅包含表格类的结构化数据, 还包含文档类的文字数据、图片数据, 以及各个专项录井所涉及的数据体, 给录井数据采集和数据储存带来了困难。

1.1.3 录井数据产生时间周期长

录井数据产生的时间周期跨度大, 采集工作贯穿于整个钻井周期, 既包含钻前设计等静态数据的采集, 也包含钻井过程中众多工程参数等动态数据的采集, 还包含完井后的总结和报告等归档数据的采集, 持续时间周期较长。

1.1.4 录井数据信息孤岛现象严重

油气勘探领域内系统众多, 数据标准各异, 信息孤岛现象普遍存在。据统计, 渤海油田勘探开发并行存在36套应用系统, 这还不包括各个录井专业部门内部建立的数据库。各系统为了满足自身数据应用需求, 分别采集录井数据, 也会导致数据重复、数据不一致问题突出。

为了能够将不同系统数据进行整合统一, 需要建立一个通用的数据平台即数据湖^[5], 中海油在智能油田顶层规划设计中, 建立了一个企业级勘探开发数据湖平台, 用以实现数据资产化管理能力、数据一体化集成能力、数据处理转换能力、数据云化服务能力和数据中心化分析能力, 为智能油田建设提供多用户统一的数据管理工具、勘探开发一体化数据云化服务和大数据分析环境支撑。

为保证录井数据能够顺利入湖, 首先需要设计一套标准化数据模板, 该模板既要符合数据湖标准, 又要满足录井领域内各个专业的需求, 同时需要兼顾其他专业对录井数据的使用需求, 能够支撑实现不同应用系统的整合。

根据录井不同勘探需求和目的, 本文将录井数据分为基本数据、录井随钻解释数据、作业动态数据和地质作业成果数据4大部分, 采用“ 6W” （Who、What、Why、Where、When及How）业务方法分析梳理业务流与数据流, 通过树状结构模式管理各个节点数据, 该结构体系基本涵盖了所有录井技术领域的数据（图1）, 并详细规定了每个数据表的填写内容、量纲及规范等。以碳酸盐录井技术为例, 列举了录井数据湖碳酸盐含量数据的采集标准（表1）。

图1

	Figure Option ViewDownloadNew Window
	图1 录井数据湖标准模型

表1

表1

表1 录井数据湖碳酸盐含量数据的采集标准 数据项 描述 主键 非空 数据类型 单位 长度 小数位 录井项目名称 该录井项目的名称 Y Y Char 16 井筒名称 井筒的名称（在中海油内部唯一） Y Char 16 样品深度 所测样品的井深 Y Y Number m 7 2 碳酸盐1 min含量 样品测定1 min时测得的碳酸盐含量值 Number % 5 2 碳酸盐3 min含量 样品测定3 min时测得的碳酸盐含量值 Number % 5 2 碳酸盐最大含量 样品测定的碳酸盐含量的最大值 Number % 5 2 方解石 测定的样品中方解石的百分含量 Y Number % 5 2 白云石 测定的样品中白云石的百分含量 Y Number % 5 2 备注 备注 Char 2000

表1 录井数据湖碳酸盐含量数据的采集标准

在数据治理过程中, 为了保证数据质量, 强化各个环节的管控, 采取“ 谁产生、谁采集、谁负责” 的思路, 实现“ 以管促治” , 对录井各个采集节点进行细化, 并对每个节点规定了采集人和审核人, 图2为录井专业数据采集节点权责划分流程。

图2

	Figure Option ViewDownloadNew Window
	图2 录井专业数据采集节点权责划分流程

为保证数据湖内数据来源的唯一性, 避免同一项数据重复采集, 对各项数据的实际产生源头进行了梳理, 将一些非录井专业产生的数据进行了剥离, 同时考虑到应用层面的实际需求, 对于一些数据调用原则和流程也同样进行了规定。

2.1.1 录井老井数据存在的问题

为了确保数据湖数据完整性, 需要对建立数据湖采集标准化模板之前的老井数据进行采集, 由于老井久远, 这部分数据在迁移的过程中存在很多问题, 主要表现为以下两个方面。

（1）数据标准不统一。渤海油田录井数据采集始于20世纪80年代, 时间周期跨度较长, 录井技术和方法发生多次变革, 造成数据标准不一致的现象。例如井名, 早期要求斜井井名最后一个字母大写, 但是根据当前最新的标准, 所有斜井井名均应为小写; 再比如岩屑颜色的描述, 早期经常出现类似橄榄绿、肉红色等颜色描述, 而当前对颜色的描述统一为绿色、红色。这些现象给录井老井数据的迁移带来很大困难。为此, 需要将不同时期应用不同标准产生的数据进行标准化处理; 对于一些明显超过当前标准量纲范围的数据要慎重对待, 反复核实, 以确保数据的准确性; 对于一些关键性描述文字如岩屑颜色、岩性综述等无法进行标准化处理的数据需要保持原始状态, 不可人为进行主观判断, 同时要在备注中加以说明, 以便于后续应用层面的理解。

（2）数字化程度低。部分资料由于产生时间相对久远, 数字化程度相对较低, 需要将非结构化的电子文档或者纸质版记录进行数字化转换, 同时在转换过程中要明确数字化的责任人。此外, 在数据转化过程中一定要有录井业务人员的参与, 对于老井资料中的串行错误以及未进行量纲转换等人为错误往往不易被IT人员发现, 需要录井业务人员参与进行辅助查询甄别; 对于老旧数据的标准化, 同样需要录井业务人员从专业技术角度进行辅助, 避免数据转化过程中造成新的错误。

2.1.2 录井老井数据迁移采集流程

针对上述问题, 为实现录井老井数据的高效准确迁移, 渤海油田制定了一套既符合新数据采集标准要求又尊重老井数据特点的录井老井数据迁移采集流程（图3）。

图3

	Figure Option ViewDownloadNew Window
	图3 录井老井数据迁移采集流程

2.1.3 渤海油田录井老井数据迁移采集

基于以上录井老井数据迁移采集流程, 对渤海油田近1500口井的录井老井数据进行迁移入湖, 实现了渤海油田近30年录井老井资料数字化的目标, 为了保障迁移采集后的数据质量, 定义了“ 三性” 考核指标, 即规范性、完整性、准确性。规范性是指数据项符合数据规范中数据规则和专业规则（命名、精度、齐全等）的程度, 采用数据规范率表示; 完整性是指数据表（集）和数据项被赋予数值的完整程度, 采用数据完整率表示, 包括数据表（集）完整率和数据项完整率; 准确性是指数据项内容准确表达其所描述的数据信息的程度, 采用数据准确率表示。通过近两年的努力, 渤海油田老井的录井数据最终入湖数据质量综合指标达到99%以上。

数据采集除了按照数据湖标准对老井数据进行迁移外, 还需要对新井产生的数据进行规范化采集。与老井数据迁移不同, 新井数据的采集需要结合业务习惯, 在录井数据湖标准模板的基础之上进行必要的变革设计, 其主要原因如下：一是数据湖采集模板主要基于“ 业务粒度最小化” 的设计理念, 更加适用于数据的存储与管理, 其特点是过于碎片化, 不利于井场数据采集的时效性和可操作性, 需要在数据采集层面建立一套面向业务人员的新采集模板体系, 以完成高效数据采集; 二是现有录井数据标准模板多基于应用层面进行设计, 一张数据表既承担基础数据采集任务, 又要体现对比分析、统计汇总等大量成果信息, 这种设计方式虽然有利于决策者对整口井信息进行全面观察, 但对于采集者而言, 往往意味着数据的重复和低效采集。此外, 现行业务端数据采集模板包含很多二次加工的衍生数据和需要从其他专业进行调用的数据, 这些数据需要采集者先期对原始数据进行人为加工和二次提取, 造成数据准确性降低。

基于以上特征, 本文从录井业务数据采集实际出发, 对录井数据进行数据采集层、数据湖物理层及数据应用层的分割, 其核心思想是实现“ 采用分离” , 其框架设计如图4所示。该框架的优势主要体现在以下两点：首先是减少在数据采集过程中业务人员、IT人员及数据应用者之间因各自需求不同所产生的矛盾, 可以集中精力建设各自所对应的数据层面; 其次是业务人员、IT人员及数据应用者可以从各自的专业角度出发, 根据需求优化各自对应的数据层, 高效推进数据采集进程。以下从业务人员、数据应用者及IT人员的角度分别对新井数据采集层、数据应用层及数据湖物理层的优化设计进行说明。

图4

	Figure Option ViewDownloadNew Window
	图4 录井新井数据采集核心框架设计

2.3.1 数据采集“ 一表化”

数据湖底层数据模板采用IT架构设计, 虽然简化了数据的分类和应用提取, 但对数据采集人员而言过于碎片化, 一次需采集的表格较为分散、繁多。一些录井项目的基础信息如井号、开始时间和结束时间等往往会单独进行采集, 而与之相关的信息却要在另一个采集模板中进行采集。此外, 由于表格相对分散, 存在大量信息重复填写的现象, 无法高效准确地完成数据采集任务, 对于审核管理而言, 也需要耗费大量时间。

为了解决以上问题, 从便捷采集、高效审核的角度出发, 以渤海油田范围内统一的工作报表为蓝本, 对数据湖中数据表进行“ 血缘” 分析, 通过技术手段进行多表“ 集成” , 创建符合业务习惯的变革性采集模板。本文研究中, 将数据湖底层分散管理的多张数据表“ 集成” 为统一采集界面的一张地质日报, 实现数据采集“ 一表化” （图5）^[6], 这一转化实现了3个层面的提升：一是提升了数据采集效率, 数据采集人员只需对地质日报进行填写就可以完成数据湖7张表的采集任务, 不需在多个表中频繁切换; 二是极大提升了数据审查效率; 三是提升了数据查看效率, 在应用层面为决策层提供了更加直观且便捷的数据查看方式, 不再需要同时打开多个数据表, 便于获取信息和数据。

图5

	Figure Option ViewDownloadNew Window
	图5 地质日报“ 一表化” 采集模板

2.3.2 数据采集“ 原始化”

数据湖底层数据模板最大的特点是碎片化, 为了最大程度地方便数据的调用, 往往会将某项技术进行程序化拆分, 而录井专业最大的特点就是综合性, 数据间往往都存在相互引用的关系。为了使决策者更直观、快捷地了解一口井的整体油气信息, 目前渤海油田录井现场通常采用油气显示综合数据表, 该表综合了随钻地层分层数据、现场岩心岩屑录井原始数据、气测分析数据、钻井液性能数据、三维定量荧光录井分析记录、储集岩热解分析解释成果、录井综合解释成果等共计12张数据表中的数据。对数据采集人员而言, 该表填写繁琐, 是一项十分耗时的工作, 且需要依靠人工填写, 准确性较差。

为改变这种状况, 本文重新梳理了数据湖中每个数据项产生的源头及相互间的映射关系, 梳理出数据“ 血缘” 源头, 构建数据采集端模板。以岩石热解录井数据为例, 从原始数据与衍生数据映射关系（图6）可以看出, P_g等衍生参数均由S₀、S₁、S₂、S₄这4个基本原始参数计算而来, 因此数据采集人员只需要准确完成原始数据的填写, 其他多张数据表或数据项可直接通过计算机智能辅助进行计算采集, 数据采集数量减少了近90%, 时效提高了近60%。同时, 极大地减少了人工填写内容, 使采集数据的准确性也得到了有效保障。

图6

	Figure Option ViewDownloadNew Window
	图6 原始数据与衍生数据映射关系

2.4.1 数据导出模式优化

数据采集端的简约化设计, 虽然满足了数据采集“ 原始化” 需求, 但从信息载体的角度看, 其含有的信息量较少, 无法满足决策者的需求, 不利于数据治理价值的体现。因此, 在数据应用层也需要进行数据导出模式优化, 以提高数据适用性。由此设计了3种数据导出模式。

一是原始模式数据导出。原始模式下的数据导出将会按照数据采集模板进行导出, 加入该功能主要是为了增加系统之间的数据可移植性, 同时便于后台及运维人员进行问题的查询和解决。

二是数据湖标准模式数据导出。数据采集人员按照数据采集模板, 将数据传至中间数据库再借助计算机的辅助功能完成数据的推送入湖, 当导出数据时, 数据按照设计好的标准数据模式从数据湖中导出, 通过这种模式, 一方面可以对数据湖中的数据进行检查, 另一方面可以在一定程度上满足决策者对信息的需求。但因数据湖中数据是按照计算机系统的逻辑关系进行储存的, 数据往往相对分散, 且需要深度了解计算机系统内部的逻辑关系, 造成数据使用十分不便, 需要进一步优化应用层面数据模板。

三是智能化模式数据导出。不同软件和系统之间都有各自固定的数据模板, 只有按照其固定的数据模板进行数据导入才能实现该软件的功能, 这使得应用人员需要在不同系统间完成相应数据模板的填写, 数据应用效率低。

为提高数据兼容性, 满足应用层数据适用性需求, 本文提出采用智能化模式数据导出功能设计, 可根据数据应用者的实际需求, 设计相应的导出模板, 提高数据在不同软件和系统间的兼容性, 进而提升数据的适用性。如图7所示, 可根据数据应用需要, 选择所需参数, 形成特定的导出模板。

图7

	Figure Option ViewDownloadNew Window
	图7 智能化模式数据导出框架设计

2.4.2 数据智能化应用

数据治理的最终目标是实现企业数据的数字化转变, 并充分挖掘数据中的巨大价值, 进而实现数据智能化应用。渤海油田录井专业数据通过技术和管理上的数据治理, 实现了数据采集标准化, 提升了数据采集的时效性、规范性和准确性, 但在数据价值挖掘上仍显不足。数据挖掘技术作为近年来依托计算机发展起来的新技术手段, 在各个行业中获得了广泛应用^{[7, 8]}, 其优势主要体现在不依靠人的经验, 而是完全依靠计算机来实现智能化规律发现, 非常适用于数据治理后的业务数据价值挖掘提升。如图8所示, 以岩石热解录井数据为基础, 通过数据挖掘技术中的BP神经网络算法^{[9, 10]}, 仅需输入采集数据, 便可实现对流体性质的智能判别。

图8

	Figure Option ViewDownloadNew Window
	图8 基于BP神经网络算法的油气水智能识别模型

选取渤海油田渤中凹陷西南斜坡带上10口井的地化轻烃敏感参数, 应用ReliefF算法, 选取合适的阈值, 便可得出nC₃H₈、nC₄H₁₀、iC₅H₁₂、ctc123TMCYC₅、ctc124TMCYC₅、t1E2MCYC₅共6个参数在区域油气水判别中起主要作用的结论（图9）, 有效地指导了区域的油气勘探。

图9

	Figure Option ViewDownloadNew Window
	图9 渤中凹陷西南斜坡带油气水判别轻烃敏感参数选取

数据湖承载了整个中海油各个业务部门的全部数据, 其算力有限, 如果将录井所需的数据计算全部加载到数据湖, 会使得需求反馈变得很慢, 将严重影响数据采集的时效性。因此, 需要进行数据湖物理层优化设计。为了更好地实现“ 采用分离” 的设计理念, 本文在数据湖物理层的前端增设了一台服务器, 该服务器一方面接收来自数据采集层的原始数据, 通过设定好的模型算法对其进行加工处理, 形成数据湖需要的数据样式; 另一方面会定期接收来自数据湖物理层的底层数据, 并将其存储在服务器中, 当数据应用层发出调用指令后, 会根据实际需求对存储的数据进行加工处理, 形成数据应用层所需的数据格式。

此外, 受到渤海钻井平台网络信号较差的影响, 井场产生的大量数据往往无法及时回传陆地, 而采用增设前端服务器的数据湖物理层优化设计, 通过该前端服务器的断点续传功能, 则可以有效解决这一难题。数据采集人员只需将数据上传至前端服务器, 前端服务器便会把要传输的数据进行切片化处理, 并可根据网络速度的快慢, 自行调节数据传输体量, 提高数据传输效率。