基于动态数据挖掘的钻井复杂诊断专家系统研究

摘 要 传统的基于案例推理的钻井复杂诊断专家系统的知识库往往长期得不到更新呈现“死库”状态，知识的不能及时获取和知识库的不能实时更新成了影响其发展的瓶颈。为满足实际的需求，本文提出了一种基于动态数据挖掘的案例推理钻井复杂诊断专家系统，该系统不断对数据进行实时挖掘产生了新的案例，这些新的案例又组成了一个临时案例库，从而实现了对系统原知识库的实时更新。

关键词 钻井复杂情况；动态数据挖掘；案例推理；专家系统

中图分类号TP 392 文献标识码A 文章编号 1674-6708（2013）96-0213-02

为满足实际的需求、解决传统的基于案例推理专家系统存在的不足，本文设计了一种基于动态数据挖掘的案例推理钻井复杂情况专家系统，该系统通过不断的对钻井过程中产生的数据信息进行动态实时挖掘，挖掘的有用信息实时产生一些新的案例，这些新的案例又组成一个临时的案例库，从而实现了对系统原知识库的实时更新。

1 基于动态数据挖掘的钻井复杂诊断专家系统设计

1.1 系统应用目标

钻井公司统一将该专家系统配备给各个钻井队，作为各钻井队现场技术人员的计算机辅助工具。各钻井队会将本队所处理的钻井复杂情况或钻井事故信息向事故诊断中心发送，钻井复杂情况专家系统在动态接收复杂情况数据流信息以后，实时的对数据流信息进行动态挖掘分析，挖掘出各种复杂情况的典型信息，保存在钻井复杂情况临时案例库中，作为对系统原知识库进行更新之用，各个钻井队可以根据最近的知识库对发生的各种钻井复杂情况做出预测和判断，从而找到最佳的问题解决方案。

1.2 系统模型

当钻井队遇到新问题时，技术员就会通过人机接口对新问题进行描述，汇集成目标案例，然后通过检索器在知识库里查找是否有相似案例，如果有相似案例则把相似案例传给技术人员，如果没有相似案例则重新反馈给检索器，对临时案例库进行搜索看是否有相似案例。

技术人员会根据自己的经验和知识对所搜索到的相似案例进行判定是否可用，如果不可用则直接反馈给人机接口对问题重新进行描述；如果可用，则对案例进行必要地修改，然后将修改后的案例保存在临时案例库，对案例库进行更新，以解决类似的问题。

2 动态数据挖掘

将其动态数据挖掘过程大致分为动态数据采集、动态数据处理、数据挖掘和挖掘评价几个部分：

1）动态数据采集：过去的或现在的数据信息可以一次性的采集完成，而未来的数据采用滑动窗口分步采集获得；

2）动态数据处理：动态数据处理包括消除噪声、确实数据处理、类型转换、特征提取以及数据降维处理等；

3）数据挖掘：对时间要求不强的数据，每个时间间隔后就启动一次挖掘，但是每次挖掘必须要在下一次挖掘启动之前完成；对于时间要求很强的数据，要用动态挖掘技术；

4）挖掘评价：挖掘评价是对挖掘结果的一种检测，如果检测结果符合要求则说明挖掘的新知识是有用的，否则就调整挖掘过程中的数据采集方法或动态数据的处理形式进行重新挖掘。

3 临时案例库动态生成

对动态接收的钻井复杂信息数据进行实时挖掘以后，利用数据流聚类算法动态生成案例推理中的临时案例库。本文采用动态聚类算法中的c-均值法。

动态聚类c-均值法的基本思想：首先需要先对样本集进行初始划分，即选定聚类的核心，然后对样本进行初始分类，初始分类后通过计算误差平方和来决定样本是否需要移动。

钻井事故信息中心在实时获得各钻井队传过来的复杂情况信息以后，会将获得的数据信息进行分类，按照不同的形式进行暂存如分为地质情况和钻井复杂情况。对数据进行分类暂存后，形成各种地质情况数据块和钻井复杂情况数据块。

对数据块进行统一的数据处理以后，使用上面所介绍的动态聚类c-均值算法进行实时动态挖掘，然后从中获得到钻井过程中遇到复杂情况的典型信息和有用的新知识，将这些信息保存在系统的临时案例库中。

4 知识库的更新

在获得钻井复杂情况临时案例库的同时，在原有系统知识库的基础上，将案例库中的钻井复杂情况数据与工作人员对问题的描述形成的目标案例的数据进行差异对比，计算它们的相似度。如果相似度超过设定的某个阙值，则可认为是相似的，一方面将临时案例库中的案例传给工作人员，另一方面对该案例进行必要地修改保存到系统的知识库，实现对系统的及时更新。

这样不仅有效地遏制了直接添加知识库所带来的数据爆炸式增长、提高信息检索的效率，而且可以提高知识的准确性和及时性，减少知识库中知识的重复。

5 结论

基于动态数据挖掘的案例推理钻井复杂情况专家系统与传统的基于案例推理专家系统相比较，不仅能使系统的案例库得到实时的更新，并且有利于提高了系统对于解决新问题的能力。

动态数据挖掘技术使传统的基于案例推理的专家系统的知识库达到了”起死回生”的效果。将动态数据挖掘技术与案例推理技术相结合的方法有着广泛的应用前景。

参考文献

[1]王宝毅，张宝生，费沿光，赵日升.基于案例推理的钻井复杂情况专家系统[J].石油大学

学报：自然科学版，2005，29（6）：123-126.

[2]滕明鑫，熊忠阳，张玉芳.动态数据挖掘研究[J].计算机应用，2008，28（6）：160-165.

[3]戴奇波，倪志伟，王超，姜苗.基于动态数据流挖掘的案例推理及其应用[J].计算机工程与应用，2011，47（19）：31-34.

[4]司开君，毛宇光.一种新的基于数据流的数据模型[J].计算机技术与发展，2007，17（1）：1-3.

[5]邓聚龙.灰色系统基本方法[M].武汉：华中理工大学出版社，1990，91.

[6]李晶校，等.模式识别[D].北京：电子工业出版社，2010，11.