许勤

[摘    要] 大数据正引领世界各行各业深入变革和生产经营转型，对油气田勘探行业带来了前所未有的冲击，也带来了机遇和挑战。油气田勘探企业都陆续提出大数据建设概念并着手实施建设，取得了一系列成果，但还存在诸如建而不用，“藏、废数据”多等问题，难以发挥出其对勘探工程的真正指导意义和作用，这些问题都有待科研人员研究对策加以解决。

[关键词] 大数据;油气田勘探;特点;存在问题

0      引    言

大数据（Big Data）指一个公司、企业、政府或者社会某一领域在长期管理、生产工作中形成的大量甚至海量非结构化和半结构化数据，数据量可以达到TB甚至PB级，为了自身业务发展需要，将这些生产数据进行整合集中存储，形成数据中心为上层应用提供统一数据服务，大数据对一个公司、企业来说，是具有巨大商业应用价值的信息资产和财富。

1      勘探大数据及其特点

1.1   勘探大数据

“数字化勘探”的实施建设，旨在统一从上游勘探到下游油气资源开采等多专业数据标准，在底层构建起多专业数据集中存储、管理和共享的大型数据库系统或大数据中心，这就是勘探大数据的模型和概念。通过数据模型重构、标准化各专业数据结构，彻底整合底层数据资源，实现从设计、物探、钻井、录井、地质、测井到地面工程、井筒工程、试油、开采等数据的标准统一，业务数据的统一采集、传输、存储，打通各专业信息系统之间的通道，达到数据共享的目的。油气田勘探企业在构建起大数据库基础上，在前端应用成功地量身打造了适合自身业务特点的“多专业、多业务”一体化专业应用平台，从而实现勘探大数据库的查询、展示等应用。

1.2   勘探大數据特点

勘探大数据属于特定行业、特定领域，数据体量特别庞大，对存储要求非常高。油气田勘探从三维地震勘探到钻前设计、施工，再到钻探作业、随钻测录、地质研究、测试、钻完井工艺，最后到生产管理和科学研究，它是一整套流程和工艺，数据各具特点，上、下衔接，信息数据前后循环共享。因此，勘探大数据不仅具有大数据的共性特点，还具有专业性特别强，数据产生主体、数据来源、数据产生机理以及原理特殊、数据体量特别大，类型众多，涉及业务广，包含了油气田勘探工程全业务链信息数据等特点，而且随着勘探生产业务持续开展，数据量在成倍增长，甚至是呈现几何级数的增长。另外，数十年来，还形成了PB级的海量历史数据可以迁移入库。

1.3   大数据对油气田勘探的价值作用

对油气田勘探行业来说，大数据是一笔重要的无形资产，其巨大的潜在应用价值和商业价值，毋庸置疑。在油气田勘探领域中，对油气田勘探、生产管理、技术研究等业务上，具有巨大的指导意义和潜在商业价值。如果能在大数据价值挖掘技术和应用上下功夫，开展相关方面的技术研究和应用研发，充分利用现代信息技术开展大数据应用价值挖掘，指导相关人员开展邻井对比、区域对比、区块油气资源分析评估、井位论证、钻井工程设计、地质设计、油气资源评估和开发方案设计等，最终实现指导油气田勘探，指导科研和工程技术人员发现潜在的油气层和油气资源。

2      勘探大数据建设现状及存在问题

2.1   地域特点和业务特征明显，顶层设计上难以统一

当前，国内各个油气田勘探公司在开展大数据建设的时候，都充分结合自身实际、业务特点和优势，设计思路和方案都是针对主要服务的油气田企业和作业区块。由于不同作业区块，地理位置不同，地层、地质结构都不尽相同，各有特点，在勘探业务和应用操作层面上，执行标准、要求不统一，所以各自建设的大数据都有各自的针对性，具有明显的地域特点和业务特点，很难达到一个平台、一套系统、一个数据库或一个数据中心就适用于国内所有油气田勘探行业。所以，在从顶层设计上难以实现各专业、各领域数据标准完全统一。

2.2   建、用不协调，底层庞大，上层功能弱

国内各大油气田在整合底层数据工作上，陆续构建起自己的大数据中心，将多个系统的底层数据库进行充分整合，实现数据统一采集、统一标准、统一存储和集中化管理，通过数据接口进行数据相互调用和交互通信，整合工作也比较成功。但往往都存在底层庞大，前端瘦小的共性，应用功能弱，基本都是简单地对原有信息系统进行集成和功能迁移、整合和升级，无法形成技术突破和创新，在更深层次的功能研究、研发投入少，尤其是对大数据的价值挖掘和应用分析，基于大数据的“智慧勘探”“智慧钻井”“智慧地质”“智慧预警”等高端应用方面更是难以实现技术突破。无法通过大数据的深度挖掘和分析，发挥其真正价值。因此，各大油气田勘探工程企业在大数据建设上并没有上升到真正的大数据技术应用阶段，其最突出的问题就是停留在“采集”“存储”“管理”层面，往往是建而不用，注重底层建设，而不注重上层应用，没有趁着构建大数据的东风，把勘探数据真正用起来，仍然存在“前、后端不和谐”的问题，在前端的智能化、自动化应用方面的研究和建设成果不显著，成效不明显。

2.3   “脏数据”“废数据”多，清理困难

当前国内各大油气田大数据建设基本上按照“有则入库、数据量优先、质量其次”的原则开展建设，也就是说不管数据是否有用都纳入管理，为建设而建设，对于数据源质量关心甚少，产生的大量生产数据以及历史数据也没有区别糟粕和精华。随着大数据建设步伐日益加快，又没有建立起与之适配的有效的数据校验机制和标准;对于来自传感器的实时数据自动采集入库，缺乏数据线上智能、自动校正机制或智能化数据分析校正技术，后期勘探人员和工程技术人员填报的数据也存在疏忽。最终导致入库数据不完整、不完全、不合格，“脏数据”“废数据”多，无任何应用价值或应用价值小。另外，由于采集软件自身的功能缺陷也造成了大量重复的数据信息或数据采集缺项，这些问题都造成了数据在应用时筛选识别困难，给工程技术人员、生产管理人员、科研人员造成了困扰，严重降低了数据价值，应用效果差。因此，勘探大数据建设后期，开展大数据校正机制和方案研究，清理“脏、废数据”，提高大数据质量，取精华、去糟粕就显得特别重要。

2.4   数据可视化弱

数据可视化是研究数据展示、数据处理、决策分析等一系列问题的综合技术，几乎可以应用于自然科学、工程技术、金融、通信和商业等各个行业领域。目前正在飞速发展的虚拟现实技术就是以图形图像的可视化技术为依托。可视化技术能够把大数据变为直观的、以图形图像信息表示的、随时间和空间变化的物理现象或物理量呈现在研究者面前，帮助数据挖掘模拟和计算。但在国内油气田的大数据建设现状来分析，几乎都处于数据采集、传输、存储以及前台数据本身展示层面，并未真正实现与先进的AI技术、物联网技术、大数据挖掘技术、决策分析技术完美融合，在这方面的应用中，国内数字化油田建设相比国外油气田勘探行业就明显处于弱势地位，或相当的不成熟，根本没有任何竞争力。

构建勘探大数据，如果可以突破下端庞大、顶层应用弱的现状，利用大数据可视化技术，使科研人员、工程技术人员可以从海量大数据中构造出以井筒工程为核心的数字化地上、数字化地下的三维空间效果，让科学研究、科学钻探作业更加直观，更加立体，大数据对勘探工程的指导意义和价值更能凸显出来。

2.5   缺乏既懂专业又懂大数据分析应用的高层次人员

大数据正引领全球各行各业经历深入变革和转型，油气田勘探行业也不例外。大数据技术在油气田勘探的兴起和建设应用，短期内将对本行业带来一定的冲击，但从长远看，大数据必将推动行业生产经营方式深入转型，推动工程技术人员工作决策从“经验加感觉型”向“数据加事实型”转变。当前，本领域最缺乏的就是既懂得专业，又懂得大数据的“科研+数据‘科学家”，会用而且能用好大数据来指导油气田勘探生产和研究，对勘探区块、区域、临井资料等海量数据进行筛选，抽取比对，结合人工智能挖掘分析技术，开展钻前井位部署、钻井工程设计、地质工程设计，钻井作业过程中，随钻作业监控、及时发现工程问题、技术进行工程预警分析和报警，预判钻井工程发展趋势，进而指导工程技术人员、管理人员、决策层采取相应措施积极应对。

3      結    语

综上所述，油气田勘探行业的科研和信息化管理人员，还需要针对勘探大数据建设工作开展相关技术研究，做好顶层设计，达到各专业、各领域数据标准完全一致，找出最有效的方式清理“脏、废数据”，培养出一批既懂专业又懂大数据的专门人才，利用现代化信息技术，开展大数据挖掘，以充分发挥大数据真正价值。

主要参考文献

[1]李金诺.浅谈石油行业大数据的发展趋势[J].价值工程，2013（29）：172-174.

[2]王双喜，赵邦六，董世泰，等.油气工业地震勘探大数据面临的挑战及对策[J].中国石油勘探，2014，19（4）：43-47.

[3]官思发，孟玺，李宗洁，等.大数据分析研究分析[J].情报杂志，2015，34（5）：98-104.

[4]刘景正，王黎.大数据技术在油气勘探开发中的应用[J].工程技术，2018（2）：133-134.