基于数据仓库的钻井工程智能决策支持系统研究

doi:10.7623/syxb200304018

石油学报 ›› 2003, Vol. 24 ›› Issue (4): 77-80.DOI: 10.7623/syxb200304018

基于数据仓库的钻井工程智能决策支持系统研究

李琪¹, 徐英卓²

1. 西安石油大学, 陕西西安, 710065;
2. 西北工业大学, 陕西西安, 710072

收稿日期:2002-02-26 修回日期:2002-09-09 出版日期:2003-07-25 发布日期:2010-05-21
作者简介:李琪,男,1963年12月生,1986年毕业于西南石油学院获硕士学位,2000年获博士学位,现为西安石油大学石油工程学院教授.
基金资助:
国家自然科学基金资助项目(No.59974021、No.59774006).

Intelligent decision support system based on data warehouse for drilling engineering

LI Qi¹, XU Ying-zhuo²

1. Xi'an Petroleum Institute, Xi'an 710065, China;
2. Northwest Industry University, Xi'an 710072, China

Received:2002-02-26 Revised:2002-09-09 Online:2003-07-25 Published:2010-05-21

摘要/Abstract

摘要： 以实现钻井工程网络化、信息化以及管理科学化为目标,提出了利用数据仓库技术建立计算机支持的钻井工程决策智能系统,阐述了系统的结构设计、数据仓库系统的体系结构及实现方法.运用数据仓库技术和网络通信技术,针对整个钻井工程的各个环节,研究和开发了以强大的钻井工程数据仓库为支撑,可满足不同层次和部门的工程管理及技术人员决策需求的智能支持系统,以实现科学化决策.

关键词: 数据仓库, 钻井工程, 智能决策, 支持系统, 网络, 元数据

Abstract: An intelligent system for drilling engineering decision was established using the data warehouse technology,which aims to implement the idea of information,automation and scientific management in drilling engineering.The structure design of the system,architecture and realization method of the data warehouse system were discussed.An intelligent support system for each phase of drilling engineering was developed by the use of data warehouse and communication technology.This system supported by powerful drilling engineering database can satisfy the requirement of decision-makers in different levels and departments,which makes it possible to implement science decision.

Key words: data warehouse, drilling engineering, intelligent decision, support system, network communication technology, meta data

中图分类号:

TE249

李琪, 徐英卓. 基于数据仓库的钻井工程智能决策支持系统研究[J]. 石油学报, 2003, 24(4): 77-80.

LI Qi, XU Ying-zhuo. Intelligent decision support system based on data warehouse for drilling engineering[J]. Editorial office of ACTA PETROLEI SINICA, 2003, 24(4): 77-80.

[1]	陈志明, 朱海锋, 赵辉, 董鹏, 廖新维, Yu Wei. 基于特征点和改进卷积神经网络的压裂水平井裂缝参数高效快速反演[J]. 石油学报, 2025, 46(9): 1751-1763.
[2]	石祥超, 陈帅. 岩石可钻性指数测试及分级方法验证[J]. 石油学报, 2025, 46(9): 1792-1804,1834.
[3]	汪海阁, 夏焱, 丁吉平, 龙一夫, 林盛杰, 王元, 杨雄, 曹振义, 常益行, 谢江锋. 中石油深层煤岩气钻完井工程技术现状及展望[J]. 石油学报, 2025, 46(8): 1576-1588.
[4]	殷启帅, 张来斌, 钟弘成, 李博宁, 杨进, 马永奇, 闫心业, 宋泽华. 基于神经网络优化算法的系泊系统智能设计[J]. 石油学报, 2025, 46(5): 967-976.
[5]	刘雪琪, 王志远, 魏强, 王敏, 孙小辉, 王雪瑞, 张剑波, 尹邦堂, 孙宝江. 物理信息神经网络驱动的井筒温度场求解方法[J]. 石油学报, 2025, 46(2): 413-425.
[6]	郑松青, 计秉玉, 顾浩, 王秀坤, 宋考平. 基于节点网络模型的缝洞型碳酸盐岩油藏动态描述技术[J]. 石油学报, 2024, 45(9): 1422-1431.
[7]	石祥超, 陈帅. 岩石可钻性分级标准的改进建议[J]. 石油学报, 2024, 45(9): 1432-1442.
[8]	李祯, 郭奇, 卜亚辉, 胡慧芳. 基于深度学习的饱和度场样本库建立及预测[J]. 石油学报, 2024, 45(4): 698-707.
[9]	孙歧峰, 李克昊, 段友祥, 张依旻, 宫法明. 基于卷积神经网络与特征聚类的荧光薄片分析方法[J]. 石油学报, 2024, 45(3): 548-558.
[10]	赵娅, 管玉, 贾迪. 基于卷积神经网络与视觉变换器的微观剩余油分类方法[J]. 石油学报, 2024, 45(12): 1818-1832.
[11]	石祥超, 陈帅, 孟英峰, 陈军海, 李皋, 杨昕昊, 焦烨. 岩石可钻性测定方法的改进和优化建议[J]. 石油学报, 2023, 44(9): 1562-1573.
[12]	徐宝昌, 张学智, 王雅欣, 刘伟, 孟卓然. 用于两相流环空压力预测的自适应物理信息神经网络模型[J]. 石油学报, 2023, 44(3): 545-555.
[13]	丁骞, 甘利灯, 魏乐乐, 张宇生, 杨昊, 姜晓宇, 王峣钧. 双孔隙结构因子及其在储层渗透性地震预测中的应用[J]. 石油学报, 2023, 44(2): 339-347.
[14]	龚斌, 王虹雅, 王红娜, 宋伟, 孙雄伟, 杨京华. 基于大数据分析算法的深部煤层气地质—工程一体化智能决策技术[J]. 石油学报, 2023, 44(11): 1949-1958.
[15]	陈志明, Yu Wei, 石璐铭, 胡连博, 廖新维. 压裂水平井的多模式裂缝网络试井模型及参数评价——以吉木萨尔页岩油为例[J]. 石油学报, 2023, 44(10): 1706-1726.

基于数据仓库的钻井工程智能决策支持系统研究

Intelligent decision support system based on data warehouse for drilling engineering

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价