大数据融合技术助力山地地震队智能化发展研究

邓可欣 米扬耿一丹 龚宇飞

［摘    要］ 物探地震采集业务将进入智能化时代，即以大数据为核心，以云平台为基础，以新市场、新方向为契机，打造“智慧物探”，实现全业务链数据互联、技术互通和业务协同。东方物探公司智能化地震队，利用大数据和信息安全相关技术，基于微服务技术架构建设符合企业管控要求的大数据平台，逐步实现数据的服务化、效益化，对甲方单位能按需输送数据，对上级单位能按要求上报数据，对本企业能以生产数据为主线，将安全数据嵌入其中进行处理和分析，让生产与安全高度融合，随时随需提供决策支撑。本文主要探索研究了大数据技术定义和特点，并通过分析国内外石油公司大数据平台发展现状，现阶段国内石油公司存在的差距和痛点，讨论了大数据技术平台建设对地震勘探的重要性，为分公司石油勘探大数据平台建设提出技术方案，最后对其在数字化转型场景中的应用进行了展望，认为通过大数据技术平台去抽取、处理和融合来自上级单位和分公司的各系统数据，形成共享共生的数据生态圈，将有力地推动山地地震队智能化发展。

［关键词］ 大数据；地震队；智能化

doi ： 10 . 3969 / j . issn . 1673 - 0194. 2023. 11. 036

［中图分类号］ F272.7；TP315    ［文献标识码］  A      ［文章編号］  1673 - 0194（2023）11- 0125- 04

０      引    言

石油企业各业务系统建设的大力推行，产生了大量的业务和管理数据，随着移动互联网络、智能终端的广泛普及，数据的范围、类型和内涵也在不断地扩展，同时还有一些不完备和不易理解的数据，如传感器、流文件等数据量大、种类多、流动速度快的数据，采用传统技术已经不能进行处理，需要引入大数据这样新的技术和平台进行数据收集、处理和应用。

油气勘探工作具有高密度、快节奏的特点，生产经营和安全应急管理融合不断深入，对全面联动协同作战运作模式的需求日益紧迫，因此，物探企业应在生产经营安全系统化管理的同时，善用大数据技术链接各业务系统并抽取数据，把各数据库串联起来，规范数据来源和标准，验证数据准确性，打通生产业务边界、部门边界甚至企业边界的数据主线、价值链主线，实现信息联通和流程联通，敏捷开发和迭代更新众多的业务应用软件，消除数据孤岛，以应对日益多变的甲方需求和创新挑战。

依托智能化装备和智能可穿戴等技术，对经营状况、野外生产安全、人员健康和设备运行数据深度分析，预测生产项目中人财物的最佳配置、安全风险和设备故障概率，预先做好保障维护和应急准备工作，让项目不停顿、不间断地顺利运行，从而进行采集施工设计和部署分析、生产流程优化、智能生产指挥、智能物探专家指导等，拓展公司的目标市场，促进行业进步和转型。

油气勘探的工作对象是不可见的地下岩层，生产数据和成果数据每日可达ＴＢ级，包含大量的结构化和非结构化数据。对于这些数据，一是需要实时采集和分析预警，形成相应的智能指挥中心；二是随着时间推移，沉淀下来的数据和经验不能沉睡，可据此建立趋势预判库和专家经验库，形成相应的智慧大脑中心，让企业利用大数据技术实现精准决策，从而提质增效，提高生产安全性，增强企业的竞争力和提升市场占有率。

１      发展趋势与差距痛点分析

１．１   发展趋势

从油田服务行业信息化发展趋势看，目前国内外油服公司不断提高石油工程技术的智能化程度并且越来越多的油服公司开始关注大数据分析技术，均以智能化发展为方向，以云计算、物联网、移动应用、大数据等ＩＴ技术构建信息化平台、建立大数据分析平台。一是通过大数据分析平台将作业人员、施工过程和专业技术联系起来，以实现价值的最大化；二是针对具体施工场景通过大数据平台发现关联关系和制约因素，并预判关联关系会带来的结果，提高生产环节预见性，实现各业务的优化；三是云化趋势的演进使石油企业能够更专注于数据和业务逻辑，不需要担心如何维护底层的硬件和网络。因此利用大数据、智能化技术改进石油企业的生产作业，降本增效已成为国内外各大石油公司的广泛共识。

从业务发展趋势看，专业技术的发展和综合管理能力的提高都依赖于现代信息技术和装备仪器技术的进步。“智能物联网＋技术创新＋装备研发”将是未来物探行业持续发展的主要方向，实施低成本、高精度、智能化发展战略是在物探企业提升国际竞争力的关键。

从整体来看，按照国际通行的“十段法”衡量，与行业最佳实践对标，可发现中石油工程技术企业还处于部分实现自动化监测、初步诊断与资源共享的阶段，与哈里伯顿、斯伦贝谢、贝克休斯等国际石油公司存在较大差距。

１．２   痛点与挑战

随着油气勘探的深入和工程技术的发展，数据贯穿于石油勘探的整个过程，并且有了良好的积累，为大数据技术的应用奠定了数据基础。物探行业大数据具有体量大、时效性强、多样性、准确性和独特性五大特点，其面临以下主要问题。

一是数据采集传输瓶颈，受到野外地域、地形、地貌的影响没有形成覆盖全作业现场的高速网络与网络安全传输机制，严重影响数据采集及其时效性。

二是数据内容繁多，有施工设计数据、踏勘数据、过程记录数据、施工实时动态数据、卫星影像数据、野外地质图资料、单炮成果数据等，数据形态各异，包括各类静态结构化表格数据、非结构化的视频和图片以及ＳＧＤ／ＳＧＹ数据等，缺乏数据建设的统一标准，数据管理与质量控制处于初步阶段并且存在数据烟囱、数据孤岛现象。

三是由于装备数字化、安全风险管理信息化程度不够，导致生产管理综合指挥能力不足。

四是大数据、人工智能、移动应用、云计算等信息技术在物探采集领域应用程度还不够高。

综上，需要以大数据为核心，以云平台为基础着力规范数据采集，建立高速网络，统一数据管理与共享，建设多元化应用，实现智能生产运行和指挥、精益经营管理和科学决策支持。

２      系统框架设计研究

根据集团公司“数字化转型、智能化发展”的指导思想和发展战略，充分利用东方物探公司云平台和数据湖的思路，以及石油企业高速网络和超大计算能力的基础硬件设施，基于东方物探公司智能化地震队这一大平台，通过接口调用大平台上的基础公共服务，采用微服务框架和中间件服务方式，设计搭建具有山地地震队特色的大数据技术平台，敏捷应对业务变化，做到伸缩可控。

大数据技术平台总体架构可按照“两体系一平台三中心”模式进行建设，如图１所示。

“两体系”为安全防护体系和标准规范体系，均在东方公司智能化地震队的体系下进行建设，融合为一体化的体系标准规范和信息安全保障。

“一平台”是大数据技术平台的核心，可分为五层三台三板块。设施层和边缘层组成数据基础板块，主要提供云服务器、网络、云存储、数据的采集传输和分布在各野外作业队的边缘计算等服务。接入层、准备层和分析层组成数据加工板块，主要提供了一整套全面及可扩展、可集成的组件，借助这些开箱即用的组件完成企业内部分散在各个地方的数据的对接、加工，为数据可视化分析结果展示做好准备。接入层能快速链接上级单位和分公司各业务现有数据源，并且快速互联东方公司智能化地震队，为其提供要求的业务数据，从而构建统一的数据分析平台；准备层为一体化的数据加工处理和模型构建服务，可以将业务数据进行清洗加工，并且允许将大数据量的表抽取到高速缓存层中进行性能加速，还能借助跨库引擎，抽取直接跨库查询，同时通过技术手段（ＳＱＬ数据集、ＪＡＶＡ数据集等）或业务手段（业务主题、自助数据集等）完成数据分析模型的构建；分析层体现在分析展现手段方面，支持定义固定格式报表、填报报表、交互控件和图表组件，以及多维度分析，切片、切块、钻取以及行列互换等多种分析方式，同时提供数据挖掘和智能学习等手段。基础底台、服务中台和应用前台（“三台”）组成数据技术板块，主要提供平台的微服务框架、中间件服务、ｄｅｖｏｐｓ的開发组织方式，和对数据、功能、接口等方面的管理，以及企业报表、业务报告和各应用的展示，其中服务中台在标准接口下能与东方公司智能化地震队对接，可调用东方公司的公共基础服务，如邮件、短信、消息、用户管理、组织机构、身份认证和地图等。

山地智能指挥中心、山地智慧大脑中心和企业决策中心为“三中心”，其中指挥中心和智慧大脑中心两者互联互通，共同为更高层次的决策中心提供精准方案。指挥中心主要是对野外施工实时数据的可视化展示和分析预警，体现及时性；智慧大脑中心主要根据野外施工后的静态数据和来自指挥中心的各种应对情况形成专家经验数据，体现历史性，而两者数据类型的深度交融有利于开展数据分析，最终能形成多种结果研判和解决措施，为领导决策提供数据支持。

以大数据技术赋能方式，消除信息孤岛，有效整合数据，建立起科学的数据评价体系，辅助领导层决策，并且提供敏捷开发的能力快速响应业务和管理层的数据需求，还能在业务运行过程中提供自动的业务监控和预警，帮助企业实现数字化转型、智能化发展。

３      结束语

综上所述，在大数据时代背景下，油气工业互联网、物联网、区块链、边缘计算和云计算、大数据、数字孪生和虚拟现实等信息化新技术已渗透到地震采集工作中，油气资源地震勘探的数据价值也在逐步得到挖掘和重视。在东方物探公司智能化地震队大平台基础上，统一接口，数据共享，根据数字化转型智能化发展的信息化建设目标，建设一套服务颗粒度更小、更加符合山地地震勘探特点的大数据分析应用平台和数据生态圈，以业务驱动进行敏捷性开发测试运维，共性中保持个性，个性中寻找共性，从而满足各层级的需求，为地震采集提供更好的保障。

主要参考文献

［１］李学龙，龚海刚．大数据系统综述［Ｊ］．中国科学（信息科学），２０１５，４５（１）：１－４４．

［２］陈立梅，邵丽娟，朱卫未．大数据企业技术创新效率影响机制研究［Ｊ］．南京邮电大学学报（社会科学版），2021（2）：52-66.

［３］陈志勇．智能电网的大数据处理技术应用［Ｊ］．集成电路应用，２０２０，３７（２）：７８－７９．

［４］胡潜，李梦婷，黄家娥．基于大数据挖掘的行业知识服务研究［Ｊ］．情报理论与实践，２021（8）：90-94．

［５］刘汉龙，马彦彬，仉文岗．大数据技术在地质灾害防治中的应用综述［Ｊ］．防灾减灾工程学报，2021（4）：710-722．

［６］刘宝珠，王鑫，柳鹏凯，等．ＫＧＤＢ：统一模型和语言的知识图谱数据库管理系统［Ｊ］．软件学报，２０２１，３２（３）：７８１－８０４．

［７］顾荣．大数据处理技术与系统研究［Ｄ］．南京：南京大学，２０１６．

［８］周飞燕，金林鹏，董军．卷积神经网络研究综述［Ｊ］．计算机学报，２０１７，４０（６）：１２２９－１２５１．

［９］任磊，杜一，马帅，等．大数据可视分析综述［Ｊ］．软件学报，２０１４，２５（９）：１９０９－１９３６．

［１０］初宇，何晓东．大数据助力石油企业建设数字油田［Ｃ］//第五届数字油田国际学术会议，２０１７．

［１１］鲜成钢．长期低油价下油气技术创新目标与方向探讨［Ｊ］．石油科技论坛，２０１７，３６（４）：５３－６０．

［１２］冉新权，朱天寿．油气田数字化管理［Ｍ］．北京：石油工业出版社，２０１１．