（油气井工程专业论文）信息融合在钻井信息管理中的应用研究.pdf

英文摘要 s u b j e c t ： s p e c i a l i t y n a m e ： i n s t r u c t o r i n s t r u c t o r a na p p l i c a t i o no fd a t af u s i o ni nd r i l l i n gi n f o r m a t i o nm a n a g e m e n t a b sf r a c t w i t ht h ec o m p l e t i o no fi n f o r m a t i o nc o n s t r u c t i o ni np e t r o l e u me n t e r p r i s eo fc h i n a ，e a c h e n t e r p r i s eh a so w ni n f o r m a t i o nn e t w o r ka n dg a t h e r sn u m e r o u so fd a t ar e s o u r c e i n2 0 0 2 ，t h e p r o j e c to f t _ h e “r a d i ot r a n s m i s s i o n ，n e t w o r ki n p u t d r i l l i n gi n f o r m a t i o nm a n a g e m e n ts y s t e m w a sd e v e l o p e db yt h ex i a ns h i y o uu n i v e r s i t yc o o p e r a t i n gw i t ht h ec h a n g q i n gp e t r o l e u m e x p l o r a t i o nb u r e a u a n dt h es y s t e mh a sb e e np u ti n t os e r v i c ei n2 0 0 3 t h r o u g hi t ，d r i l l i n g d a t ai np a s tt w oy e a r sh a sb e e ng a t h e r e da n dp r o c e s s e de f f e c t i v e l y a n dn o w , i ti st i m et o d e v e l o pa n da p p l yt h ed r i l l i n gi n f o r m a t i o no ft h ed a t a b a s es y s t e mi nah i g h e rl e v e lf o rt h e e n t e r p r i s e sd e c i s i o nm a k i n g d r i l l i n gd a t ag a t h e r e di nt h ep e r i o do fd r i l l i n ge n g i n e e r i n gi so f t e ni m p r e c i s e ，f u z z y , u n c e r t a i na n dn o n n u m e r i c a lb e c a u s eo fc o m p l i c a t e da n du n c e r t a i nf a c t o r s s oi tn e e d st ob e j u d g e da n di d e n t i f i e df r o mp o i n t so f v i e wo f h u m a nt h o u g h tw a y a n dc o g n i t i o n t h e r e f o r e ，t h i s p a p e rs t u d i e so nt h ed a t af u s i o nt e c h n o l o g ya p p l i e di nt h ed r i l l i n gi n f o r m a t i o nm a n a g e m e n tb y u s i n gt h em e t h o do ft h ea r t i f i c i a ln e u r a ln e t w o r k ( a n n ) ，b a s i n go nt h ec u r r e n td r i l l i n g d a t a b a s em a n a g e m e n ts y s t e ma n dt h ed a t aw a r e h o u s et e c h n o l o g y i nt h i sp a p e r , t h ea u t h o rc o m b i n e st h ed a t af u s i o nt h e o r yw i t i lt h ei d e ao fm u l t i t i e rd a t a w a r e h o u s e ，a n dp u tf o r w a r dam o d e lo fd r i l l i n gd a t a f u s i o nb a s e do nt h em u l t i t i e rd a t a w a r e h o u s e t h e n ，t w om a t h e m a t i c a lm o d e l sf o ro p t i m i z i n gd r i l l i n gp r e s s u r ea n dd i a g n o s i n g s t i c k i n ga c c i d e n tw e r ee s t a b l i s h e dr e s p e c t i v e l yb yu s i n gt h ef u s i o nm e t h o do ft h ea r t i f i c i a l n e u r a ln e t w o r k ，a n da c c o m p l i s h e dt h ef u n c t i o nb yp r o g r a m m i n gt h ec o m p u t e r i ts h o w st h a t t h ed a t af u s i o nm e t h o do fa r t i f i c i a ln e u r a ln e t w o r ki sa b l et oo v e r c o m et h e p r o b l e mo f n o n l i n e a r i t ya n di n d e t e r m i n a c yo fd r i l l i n gi n f o r m a t i o n ，a n dh a sag o o dc a p a c i t yt oi d e n t i f ya n d o p t i m i z et h ed r i l l i n gi n f o r m a t i o na u t o m a t i c a l l y k e y w o r d s ：d a t af u s i o n ，d r i l l i n gi n f o r m a t i o nm a n a g e m e n t ，d a t aw a r e h o u s e ，n e u r a l b e t w o r k t h e s i s ：a p p l i c a t i o ns t u d y ( t h ep a p e ri ss u p p o r t e db yt h en a t i o n a ln a t u r a ls c i e n c ef o u n d a t i o no fc h i n a t h ep r o j e c t n u m b e ri sn 0 5 0 2 7 4 0 5 9 ) 1 1 学位论文创新性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成 果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他 人已经发表或撰写过的研究成果；也不包含为获得西安石油大学或其它教育机构的学位 或证书而使用过的材料。与我同工作的同志对本研究所做的任何贡献均已在论文中做 了明确的说明并表示了谢意。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名：丞痉日期：巡：! 学位论文使用授权的说明 本人完全了解西安石油大学有关保留和使用学位论文的规定，即：研究生在校攻读 学位期间论文工作的知识产权单位属西安石油大学。学校享有以任何方法发表、复制、 公开阅览、借阅以及申请专利等权利。本人离校后发表或使用学位论文或与该论文直接 相关的学术论文或成果时，署名单位仍然为西安石油大学。 论文作者签名： 导师签名： 猛拯 遮鹭爿杰 日期：i 堕：! ! ： 日期：m r t y 第一章绪论 第一章绪论 1 1 信息融合的概述及国内外发展概况 信息融合( d a l af u s i o h ) ，也译作数据融合，其定义可概括为：利用计算机技术对 按时序获得的若干传感器的观测信息在一定准则下加以自动分析、综合以完成所需的决 策和估计任务而进行的信息处理过程。信息融合是针对一个系统中使用多种( 或多类) 传 感器这一特定问题而展开的一种信息处理的新研究方向，因此，信息融合又可称作多传 感器融合( m s f ) 。按照这一定义，多传感器系统是信息融合的硬件基础，多源信息是信息 融合的加工对象，协调优化和综合处理是信息融合的核心。 信息融合作为一种数据综合处理技术，实际上是许多传统学科和新技术的集成和应 用。若从广义的信息融合定义出发，其中包括通信、模式识别、决策论、不确定性理论、 信号处理、估计理论、最优化技术、计算机科学、人工智能和神经网络等。为了进行信 息融合，所采用的信息表示和处理方法均来自这些领域。信息融合的基本功能是相关、 估计和识别，重点是估计和识别。虽然目前信息融合技术已经广泛应用于军事等特定领 域，但是国际上关于此项技术至今尚没有形成完整的理论框架和方法。 近年来，无论是在军事领域或是非军事领域，信息融合技术都已经成为全球的研究 热点之一。信息融合理论与技术已经成为电子战、机器人、系统导航、柔性制造、故障 诊断以及数字图像处理等领域的一个重要的课题，也是多学科、多部门、多领域所共同 关心的高层次共性关键技术。 一些发达国家已经在所部署的许多重大融合研究项目上取得了突破性进展，而且也 已经陆续开发出一些实用性系统投入运行。例如，1 9 8 8 年美国国防部将信息融合列为2 2 项关键技术的第13 项，法、英等国也先后投入了大量的人力、物力进行多传感器信息融 合的技术研究，用来解决大量复杂的信息处理问题，并首先在军事领域获得成功的应用， 如c 3 i 系统( 即指挥、通信和控制系统一体化) 、各种先进战斗机的控制和干扰系统等。 为了追踪国际前沿，我国也把信息融合列为“8 6 3 ”计划和“九五”规划的研究项目， 以作为发展计算机技术、空间技术等高新技术领域的关键技术之一。在我国，多传感器 信息融合领域的研究刚刚起步，清华大学等高等学校和研究机构都已经针对一些专门问 题立项，开展理论和应用等方面的研究，但由于条件的限制，目前尚无大型的信息融合 应用系统出现。 1 2 课题的研究背景和意义 钻井信息包括了油气钻井过程中各阶段的数据和信息。它具有非线性和不确定性等 曲安七i 油人学硕七学位论文 特点。随着勘探丌发范围和程度的极大扩展，对地下油气资源分布状况的了解不断深化， 钻井信息的产生量也越来越庞大。并且每个阶段的各种信息相互关联，组成了一个油气 钻井信息综合系统。 在田外，目前已有多家石油公司、服务公司和科研机构开发了面向不同层次和环境 的钻井信息管理系统。在国内，各大、中型石油企业的信息化建设也已经进行了近2 0 年。现在，无论中石油、中石化还是中海油，都已拥有了各自的网络基础平台并积累了 大量的数据资源。但是，与国外石油企业相比，国内企业在石油信息管理与应用方面还 存在差距。因此，对钻井信息资源的科学管理与有效利用不仅能够为石油企业正常生产 经营提供决策支持，大大缩短油气田开发周期、提高油气勘探开发的效率，同时还能促 使企业向信息化、集成化、智能化方向发展，显著提高企业在经济全球化态势下的竞争 力。 2 0 0 2 年，西安石油大学与长庆石油勘探局联合开发了“无线传输，有线接入”钻井 数据库管理系统，并于2 0 0 3 年正式投入使用。经过近两年时间的数据采集与整理，已经 具备了对现有钻井数据库系统进行高层次开发与利用的基础。2 0 0 5 年双方再次合作，其 目的是：在现有钻井数据库系统的基础上，建立适应于长庆石油勘探局特点的钻井数据 仓库系统，并以此为基础进行钻井信息数据挖掘系统的开发。 数据挖掘技术与信息融合技术在对数据的处理方法上有很多相似之处，例如，两者 都用到了人工神经网络的方法来解决非线性问题。因此，本文将以长庆钻井数据库系统 的部分数据为融合的对象，运用人工神经网络的方法来探讨信息融合技术在钻井信息管 理中的应用。 但由于目前信息融合在石油行业中的应用还处于起步阶段，没有较成功的例子可供 参考，因此，我们只能从信息融合在其它领域的成功实例中，初步预测出信息融合技术 在钻井信息中可能应用的方面： 在油气钻井过程中有大量复杂和不确定因素，采集和获取的信息往往是不精确的、 模糊的、不确定的、非数值化的。因此，需要从人类思维活动和认识的角度来进行判断、 识别( 例如，利用人工神经网络的信息融合方法，解决钻井工程的优化和模式识别等问 题) 。除此之外，可以在随钻测量、实时钻井数据采集一处理一应用等技术的基础上，建 立钻井信息融合系统。通过对实时采集的钻井数据进行清洁、转换、提取、关联、推理、 融合，最后产生能直接指导我们钻井生产作业的有效的决策信息，并用双向通讯传输技 术来传输和反馈信息。 1 。3 研究的内容 ( a ) 在国内石油企业信息化建设的背景下 点，结合国内外石油信息发展的新方向 分析油气钻井信息资源管理与应用的现状和特 探讨如何有效地提高国内石油企业钻井信息资 第一章绪论 源的管理与应用。 ( b ) 在现有长庆钻井数据库管理系统的基础上，结合数据仓库相关理论与技术，分析钻井 数掘信息的特点，建立适应于长庆钻井信息管理的数掘仓库模型，为钻井信息融合做好 数据准备。 ( c ) 运用多级数据仓库的信息管理模式，解决融合过程中的信息分级问题，并探讨出一种 基于钻井信息多级数据仓库的信息融合逻辑结构模型。 ( d ) 运用人工神经网络的信息融合方法，以长庆钻井信息数据仓库系统为基础，建立钻压 优化模型和卡钻事故诊断模型，并编写出相应的软件模块实现其预期的功能。 ( e ) 结合对钻井信息融合实例的研究，初步探讨和总结出信息融合技术运用于钻井信息管 理的有效方法，为今后的深入研究提供有价值的参考。 1 4 创新点 ( a ) 以现有长庆钻井数据库管理系统为基础，结合数据仓库相关理论与技术，建立了钻井 信息多级数据仓库系统模型，为钻井信息融合提供数据准备。 ( b ) 将多级数据仓库思想与信息融合理论相结合，并结合信息融合技术的特点，提出了基 于钻井信息多级数据仓库的信息融合逻辑结构模型。 ( c ) 用b p 网络和自适应共振神经网络的人工神经网络信息融合方法，对钻井信息融合中 的分类识别和最优化问题进行了研究，提出对钻井信息进行特征提取的一般方法。 ( d ) 分别运用a r t l 神经网络和包氏神经网络两种人工神经网络的信息融合方法，对卡钻 事故渗断进行建模和实现，通过对其训练过程和结果的比较、分析，总结出用包氏神经 网络实现井下复杂情况诊断的优点和方法。 ( e ) 在对钻压优化模型和卡钻事故诊断模型进行编程测试的同时，对如何提高神经网络的 训练速度和稳定性等网络优化问题进行了研究，并提出一些关于训练集数据的选取、输 入参数的归一化、网络参数和权值的确定等优化神经网络建模和训练的建议。 曲安干i 油大学硕士学位论文 第二章信息融合的基本原理与方法 2 1 信息融合的定义 信息融合是一种信息处理技术，它是将各种途径，任意时间和空间上获得的信息作 为一个整体进行综合分析处理，为决策及控制奠定基础。信息融合就是利用计算机技术 对按时序获得的若干传感器的观测信息在一定准则下加以自动分析、综合以完成所需的 决策和估计任务而进行的信息处理过程。它将来自多个传感器或多源( 元) 的信息进行 综合处理，从而得出更为准确，可靠的结论，它是一门关于最佳协同利用多传感器观测 数据，并最大程度地提炼出被测目标和环境最大信息量的综合技术，是一门具有很强的 面向特点的应用学科，在不同的应用领域有不同的体现。一般人们普遍认为，信息不仅 包括了数据，而且也包括了信号和知识，多源信息是信息融合的加工对象，协调优化和 综合处理是信息融合的核心“1 。简而言之，所谓信息融合就是将来自多个传感器或者多 源的信息进行综合处理，从而得出对现实环境的更为准确、可靠的描述。 2 2 信息融合的基本原理 人类在完成自身的各种活动以及对客观世界的认识和改造过程中，主要运用两种能 力：知识的灵活运用能力以及交错集成感官所得到的不同形式信息的能力。人类本能的 具有将身体上各个功能器官( 眼，耳，鼻，四肢) 所探测的信息( 景物，声音，气味和 触觉) 与先验知识进行综合的能力，以便对它的环境和正在发生的事件做出估计。由于 人类的感官具有不同度量特征，因而可测出不同空间范围内发生的各种物理现象。这一 处理过程是复杂的，也是自适应的，它将各种信息( 图像，声音，气味和物理形状或描 述) 转化成对环境有价值的解释。融合都具有这两种能力方面的共性，也是这两种能力 相互结合的纽带。 信息融合实际上是对人脑综合处理复杂问题的一种功能模拟。各种传感器提供的信 息可能具有不同的特征：时变的或者非时变的，实时的或者非实时的，快变的或者缓变 的，模糊的或者确定的，精确的或者不完整的，可靠的或者非可靠的，相互支持的或者 互补的，也有可能是相互矛盾的或者冲突的。信息融合的基本原理就像人脑综合处理信 息的过程样，充分利用多个传感器资源，通过对各种传感器及其观测信息的合理支配 与使用，把在空削或时间上的冗余或互补信息按照某种准则进行组合，以获得对观测环 境的一致性解释和描述。信息融合的目标是给予各传感器分离观测信息，通过对信息的 优化组合导出更多的有效信息。这是最佳协同作用的结果，它的最终目的是利用多个传 第_ _ = 章信息融合的基本原理与方法 感器共同或联合操作的优势，来提高整个传感系统的有效性”。 2 3 信息融合的模型 多源信息融合系统的设计，目前还没有一个统一的模式，还找不到一个行之有效的 方法。综合众多的研究文献，作者认为信息融合模型主要包括信息融合的功能模型、结 构模型和数学模型。功能模型是从融合的过程出发，描写信息融合包含哪些功能、数据 库以及进行信息融合时系统各组成部分之间的相互作用过程；结构模型从融合组成出发， 说明信息融合系统的结构；数学模型则是信息融合的算法和综合逻辑。这三大模型是任 何一个融合系统都必须解决的，它们构成了信息融合系统的核心问题。因此，本节将结 合信息融合的级别，详细阐述上述三种模型 4 i 。 2 3 1 信息融合的功能模型 很多学者，例如e d w a r dw a l t z 、j a m e sl i n a s 等，很长时间以来直致力于信息融合 的基础理论研究，积极探讨信息融合系统的基本组成要素，并极力弄清这些要素组成信 息融合系统的方式和有关规律，以建立不同类型信息融合过程的统一标准和模式，用统 一的术语、度量和标准来解释基础过程，因此开发一个信息融合系统的一般功能模型， 为信息融合的研究者提供一个参考框架就显得越来越重要。形成详细合理的功能模型是 信息融合学科走向成熟的一个重要标志，这样的模型可以为重要的通信载体服务，人们 可以通过通信载体来探讨和评估模型的设计概念、算法和工作策略，这些模型也可以辅 助信息融合中共性的东西发展成为公共的功能模块或处理标准。已有很多学者从不同的 角度提出了融合系统的一般功能模型，其中最有代表性的功能模型是美国联合管理局信 息融合研究小组提出的j d l 模型1 2j 【“，如图2 一l 所示。 r 象jl 势态fl 威胁fl 过程i l 评估| i 评估li 评估| i 评估l人 霉霉喜喜 机 _ 霉害交 信息预 数据库管理互 处理 图2 1 信息融合的功能模型 j d l 功能模型由对象评估、势态评估、威胁估计和过程评估四级组成。第一级对象 评估是结合位置信息、参数信息和身份信息来实现个体的严密表达，它完成四个关键功 能： ( 1 ) 传感器数据的单位和坐标的一致转换 ( 2 ) 物体位置、运动特性和属性的实时估计 ( 3 ) 分配数据级对象允许静态统计技术的应用 ( 4 ) 物体识别和分类 第二级势态评估用来描述环境中物体之间的当前关系，聚类分散的单个物体，它重 点强调物体之间的关系信息。 第三级威胁评估主要是用于军事上，它是根据敌方兵力和意向估计自己兵力的强弱。 过程评估可以看成一个中间过程，主要完成四个关键作用： ( 1 ) 控制融合过程的性能，提供实时控制的信息 ( 2 ) 鉴别什么样的信息能改善融合的结果 ( 3 ) 搜集相关信息，决定信息源的具体要求 ( 4 ) 分配和指导信息源以达到某一目标 功能模型的四级划分是人为的划分，实际的信息融合系统并非都严格按照这样的模 型进行设计，它通常是这几个部分的集成和交叉。其中，第一级又可以分成不同的子集。 j d l 模型起初是为军事领域而建立的，但它同样可以运用到非军事领域。 本文的主要工作集中在信息融合功能模型的第一级上，即着重对钻进状态的分类识 别和钻压的优化展开研究。在实际的运用中，由于收集到的钻井数据大多是以数字和文 字的形式存储于钻井数据库中，因此，本文在建立信息融合系统时就不必从传感器获取 数据，而直接将钻井数据库作为信息源。 2 3 2 信息融合的级别 在信息融合系统中，来自信息源的信息可能是实时的，也可能是非实时的；可能是 快变的，也可能是缓变的；可能是模糊的，也可能是确定的：可能是相互支持或互补， 也可能是互相矛盾或竞争。多源信息融合的目的或出发点就是要充分利用多个信息源， 通过合理调配和使用，把多个信息源在空间或时间上冗余的或互补的信息依据某种准则 进行融合，以获得被测对象的一致性的描述或解释，从而使融合系统获得比其它单一系 统更优越的性能。 多源信息融合是对人脑综合处理复杂问题的一种较全面的高水平模仿，它可以更大 限度地获得有关被测目标及其周围环境的信息量。信息融合所处理的多源信息具有更复 杂的形式，而且可以在不同的信息层次上出现。按照信息抽象的层次，融合可以分为三 级，即数据级融合( 也称像素级融合) 、特征级融合和决策级融合( 如图2 2 所示) 。 第二章信息融合的基本原理与方法 图2 - 2 信息融合的级别 ( a ) 数据级融合( 或称像素级融合) 数据级融合是直接在采集到的原始数据层上进行的融合，是在来自于多个数据源的 原始测报未经预处理之前就进行的数据综合和分析。这是最低层次的融合。其优点是能 保持尽可能多的现场数据，提供其它融合层次所不能提供的细微信息。但其缺点也很明 显，即需要处理的数据量太庞大，实时性差。 ( b ) 特征级融合 特征级融合是数据中间层次的融合，它先对来自传感器的原始信息进行特征提取( 特 征可以是被测对象的方向、速度等属性) ，然后对特征信息进行综合分析和处理。一般来 说，提取的特征信息应该是像素级信息的充分表示量或充分统计量，然后按照特征信息 对多传感器数据进行分类、汇集和综合。特征级融合的优点在于实现了可观的信息压缩， 有利于实时处理，并且由于所提取的特征直接与决策分析有关，因而融合结果能最大限 度的给出决策分析所需要的特征信息。特征级融合可分为两大类：目标状态数据融合和 目标特性融合。 特征级目标状态数据融合主要用于多传感器目标跟踪领域。融合系统首先对传感器 数据进行预处理以完成数据校准，然后主要实现参数相关和状态向量估计。 特征级目标特性融合就是特征层联合识别，具体的融合方法仍是模式识别的相应技 术，只是在融合之前必须先对特征进行相关处理，把特征向量分类成有意义的组合。对 目标进行的融合识别，就是基于关联后的联合特征矢量。具体实现技术包括参量模板法、 特征压缩和聚类算法、k 阶最邻近、神经网络等。除此之外，基于知识的推理技术也常 试图被应用于特征融合识别，但由于难以抽取环境和目标特征的先验知识，因而这方面 的研究仅仅才开始。 特征级融合无论在理论还是应用上都逐渐趋于成熟，形成了一套针对问题的具体解 决方法。在融合的三个层次中，特征级上的融合可以说是发展最完善的，而且由于在特 征级己建立了一整套的行之有效的特征关联技术，可以保证融合信息的一致性，所以 特 征级融合有着良好的应用与发展前景，但由于跟踪和模式识别本身所存在的困难，也相 应牵制着特征级融合的研究和发展的进一步深入。 愚征平 高 信表水 晤 jlf，iiiiil上 息盖口 出l 安t i 油大学颂十学位论文 f c l 决策级融合 决策级融合是一种高层次融合，是三级融合的最终结果，其结果直接为指挥控制决 策提供依据。对同被测对象的不同类型的信息，每个信息源在本地完成处理，其中包 括预处理、特征抽取、识别或判决，以建立对被测对象的初步结论。然后通过关联处理、 决策层融合判决，最终获得联合推断结果。决策级融合必须从具体决策问题的需求出发， 充分利用特征级融合所提取的关于被测对象的各类特征信息，采用适当的融合技术来实 现。决策级融合具有灵活性好、通信量小、抗干扰能力强等优点。 对于具体的融合系统而言，它所接受到的信息可以是同一层次上的信息，也可以是 几种层次上的信息。融合的基本策略就是先对同一层次上的信息进行融合，从而获得更 高层次上的融合后的信息，然后再汇入相应的信息融合层次。因此，总的说来，信息融 合本质是一个由低层到高层对多源信息进行整合，逐层抽象的信息处理过程。但在某些 情况下，高层信息的融合要起反馈控制的作用，亦即高层信息有时也参与低层信息的融 合。而且，在某些特殊的应用场合，也可以先进行高层信息的融合。 2 3 3 信息融合的数学模型 从八十年代开始，人们就直致力于信息融合数学方法的研究，并相继提出了许多 融合方法。这些数学方法从解决信息融合问题的指导思想或哲学观点加以划分，现有信 息融合的数学模型可分为三大类： 第一类：嵌入约束观点。这一观点认为多源数据信息是客观环境在某种映射下的象， 信息融合过程就是通过象，求解原象，即对客观环境加以了解。从数学角度来说，就是 求上述映射的逆映射，也就是说，所有多源信息也只能描述环境的某些方面的特征，而 具有这些特征的环境确有很多。要使一组数据对应唯一的环境，即上述映射为一一映射， 我们就必须对映射的原象和映射本身加约束条件，使问题能有唯一的解。这就是所谓的 嵌入约束观点。 第二类：证据组合观点。此观点认为完成某项智能任务就是依据有关环境的某方面 信息作出几种可能的决策，而多源信息在一定程度上反应环境的这方面情况。因此，我 们分析每一数据作为支持某种决策的证据的支持程度，并将不同信源数据的支持程度进 行组合，即证据组合，分析得出现有组合证据支持程度最大的决策作为信息融合的结果。 第三类：人工神经网络方法，是通过模仿人脑的结构和工作原理设计和建立信息融 合的数学模型。神经网络模拟人的大脑结构和思维方式来处理问题，它具有并行处理、 学习、联想和记忆等功能，以及高度自组织、自适应能力和灵活性的特点。运用人工神 经网络作为信息融合的数学模型，只需要知道一些输入输出的样本信息，通过神经网络 对这些训练样本不断的学习来调整网络中各神经元之间的连接权，以完成信息融合模型 的建立，它不同于其它的融合方法，它是一种网络模型，应该说用人工神经网络来融合 第一章信息融合的基本原理与方法 信息足个很有发展前途的方向。 2 3 4 信息融合的结构模型 关于信息融合系统的结构目前尚没有形成统一的分类形式，信息融合的结构模型应 根据应用特性来灵活确定，一般有集中式、分散式和分级式结构，分级式结构又有反馈 结构和无反馈结构两种基本形式，如图2 3 所示。 四 i ( a ) 集中式结构 ( b ) 分散式结构 ( c ) 无反馈的分级式结构( d ) 有反馈的分级式结构 图2 - 3 信息融台的结构模型 以上是四种最基本的融合结构，我们还町以由这四种基本结构构成多种不同的混合 结构，集中融合结构和分散融合结构是两种常用的融合结构。集中式结构简单，精度高， 但它只有当接受到来自所有信息源的信息后，j 能对信息进行融合。所以，通信负担重， 融合速度慢。在分级融合中，信息从低层到高层逐层参与处理，高层节点接收低层节点 曲安靠油人学硕士学位论文 的融合结果。在有反馈时，高层信息也参与低层节点的融合处理。分散式结构和分级结 构的每个节点都有自己的处理单元，不必维护较大的集中数据库，都可以对系统作出自 己的决策，融合速度快，通信负担轻，不会因为某个传感器的失效而影响整个系统正常 工作。所以，它们具有较高的可靠性和容错性，但融合精度不如集中式好。至于结构的 选择应根据性能评估和设计权衡两方面，由具体系统应达到的要求而定。 2 4 信息融合的一般方法 信息融合不是一门单一的技术，而是一门跨越数学、模式识别、决策论、不确定性 理论、信号处理、最优化技术、计算机科学、自动控制理论、人工智能、神经网络、通 信技术、管理科学等多种学科领域的综合理论和方法，并且是一个不很成熟的新的研究 方向，仍然处在不断的变化和发展过程中。 虽然多传感器信息融合的应用研究已经相当广泛，但多传感器信息融合问题本身至 今未形成基本的理论框架和有效的广义融合模型和算法。尽管如此不少应用领域的研究 人员还是根据各自的具体应用背景提出了许多比较成熟且有效的融合算法。大多数融合 算法对传感器的测量数据作了一些假设，通常是假定传感器的测量模型包括了一个统计 独立的可加高斯噪声和各传感器测量误差统计是独立的。信息融合的不同层次对应不同 的算法，下面列举比较了常用的多传感器信息融合的一般算法，并分别对应于从低到高 的融合层次。 加权平均法。加权平均是一种最简单和直观的方法，即将多个传感器提供的冗余信 息进行加权平均后作为融合值。该方法能实时处理动态的原始传感器读数。但调整和设 定权系数的工作量很大，且具有一定的主观性。对加权系数法的改进，可以采用模糊贴 近方法，常用贴近度方法有：两模糊子集的内积( 外积) 、两模糊子集的距离( 加权海明 距离) 、最大最小法、集函数法等。 卡尔曼滤波。当需要实时融合第一级的动态冗余数据时，可以使用卡尔曼滤波，对 于线性系统，当系统噪声和传感器噪声可以用高斯白噪声来建模，则卡尔曼滤波器能提 供唯一的统计意义上的最优融合值。并且，它的递归本质保证了在滤波过程不需要大量 存储空间，可以实时处理。 b a y e s 估计。b a y e s 方法用在多传感器信息融合时，先将多传感器提供的各种不确 定性信息表示概率。将相互独立的决策看作一个样本空间的划分，使用b a y e s 条件概率 公式对他们进行处理，最后系统的决策可用某些规则给出，如：取最大后验概率的决策 作为系统的最终决策1 5j 。 证据组合理论。d e m p s t e r s h a r e r 证据理论是b a y e s 方法的推广，但比b a y e s 方法具 有更多优点，b a y e s 方法需要先验概率，而在d e m p s t e r - - s h a f e r 形式中可以巧妙的解决 这一问题，它是一种不确定情况下进行推理的强有力方法1 6 】。 第一章 信息融合的基本原理j 方法 模糊逻辑。由z a d e h 提出的模糊逻辑是一种多值逻辑。他们将多传感器信息融合的 不确定性直接反映在推理过程中的算法已被广泛的应用于多传感器信息融合i 7 8 1 。 神经网络。神经网络具有实时处理大量数据的能力，知识泛化能力及结构的容错性 等在多传感器信息融合中具有很多的应用领域【9 l i ”l 。 粗糙集理论。粗糙集理论( r o u g hs e t s t h e o r y ，简称r s t ) 是由z p a w l a k 及其合作 者在8 0 年代初提出的一种新的处理模糊性和不确定性数据的工具。 通常使用的方法以具体的应用情况而定，并且由于各种方法之间的互补性，实际使 用时经常将两种或两种以上的方法组合起来融合多源信息。 2 5 信息融合技术在军事和民用领域上的应用 信息融合本身通常不是目的，往往是某个控制系统或指挥控制系统的一个基本阶段， 因此信息融合可以直接用于控制或支援态势评定和决策过程。信息融合可能运用的领域 包括工业过程监视、工业机器人、空中交通管制、金融系统以及军事应用等。其中，信 息融合在军事上的应用时间最早，范围最广，涉及战术或战略上的指挥、控制、通信和 情报( c 1 i ) 任务的各个方面。 针对以上信息融合的基础理论与方法，作者结合现有钻井信息管理的实际情况，提 出了如图2 - 4 所示的钻井信息融合过程模型。 i 一一一一一一一一一一一? ： 融合处理： 出 图2 - 4 钻井信息融合过程模型图 图中，钻井信息融合的过程由融合数据准备和融合处理两部分组成。融合的数据准 备工作包括在钻井数据库系统的基础上，对现有钻井数据进行预处理，然后存入钻井数 据仓库中。信息融合处理部分的工作首先是对钻井数据仓库中的钻井数据进行特征提取， 然后运用人工神经网络的融合方法，通过样本特征向量的学习对网络进行训练，并输出 网络识别和优化后的结果。 融合处理用到了前面提到过的神经网络方法，因此作者将在第三章对实际运用到的 1 l 曲安4 ，油人学颂十学位论文 几种神经网络算法进行详尽的描述。融合数据准备的理论基础和实践过程将在第四章中 进行详细的阐述。第五章将以钻压优化和卡钻事故诊断为实例，分别运用b p 神经网络和 a r t 神经网络对这两个问题建立数学模型，并通过编程实现其功能。最后，作者对本文 的研究过程和结果进行了总结。 2 6 小结 本章首先介绍了信息融合的定义和基本原理；然后，对信息融合模型设计的三大组 成部分，即融合的功能模型、结构模型和数学模型，分别进行了详细的阐述。其中，信 息融合的数学模型以及融合的级别是本文研究的重点，因为数学模型是信息融合的算法 和综合逻辑，而融合的级别中的特征级目标特性融合( 或称特征层联合识别) 是要实现 的目标。对信息融合的一般方法及其在各领域的应用情况也进行了简要的介绍。最后， 在对信息融合理论和钻井信息管理进行总结分析的基础上，作者针对本文的研究内容建 立了一个钻井信息融合的过程模型。神经网络信息融合方法具有并行处理、学习、联想 和记忆等功能，以及高度自组织、自适应能力和灵活性的特点，因而成为本文主要的融合 方法，将在第三章中进行详尽的介绍。 第三章人_ = i 。神经网络 第三章人工神经网络 图3 1 生物神经兀解剖图 树突是细胞的输入端，通过细胞体问联接的节点“突触”接收四周细胞传出的神经 冲动；轴突相当于细胞的输出端，其端部的众多神经末梢为信号的输出端子，用于传出 神经冲动。细胞体是由很多分子形成的综合体，内部含有一个细胞核、核糖体、原生质 网状结构等，它是神经元活动的能量供应地，在这里进行新陈代谢等各种生化过程。 神经元具有兴奋和抑制两种工作状态。当传入的神经冲动使细胞膜电位升高到阈值 ( 约为4 0 m v ) 时，细胞进入兴奋状态，产生神经冲动，并由轴突输出。相反，若传入 的神经冲动使细胞膜电位下降到低于阈值时，细胞进入抑制状态，没有神经冲动输出。 3 1 2 人工神经元模型 人工神经元是对生物神经元的简化和模拟，它是神经网络的基本处理单元。图3 2 显示了一种简化的神经元结构。 曲安丁i 油人学硕七学位论文 x l x 2 黾 输入 莲接权 输出 y i 图3 - 2 神经元结构模型 它是一个多输入、单输出的非线性元件，其输入输出关系可描述为 。= w 。厂臼 ( 公式3 1 ) 公式3 - 1 中，x j g = l 2 ，n ) 是从其它细胞传来的输入信号，0i 为阈值，w j i 表示从细 胞j 到细胞i 的连接权值，f ( ) 为激活函数。 激活函数f ( x ) 可为线性函数或非线性的s 型函数，主要的激活函数类型有： ( a ) o ，1 阶梯函数 ( b ) 【1 ，l 】的阶梯函数 ( c ) ( 1 ，1 ) s 型函数 ，( ，) ：生二 1 。e 一。 ( d ) ( o ，1 ) s 型函数 f ( x ) = 专 ( 公式3 2 ) ( 公式3 - 3 ) ( 公式3 4 ) ( 公式3 5 ) s 型曲线反映了神经元的饱和特性。由于其函数连续可导，调节曲线的参数可以得 到类似闽值的功能，因而被广泛应用在许多神经元的输出特性中。 3 1 3 人工神经网络模型 自1 9 4 3 年美国心理学家m c c u l l o c h 和数学家p i t t s 提出形式神经元的抽象数学模型 ( m p 模型) 以来，经过5 0 多年的发展，人工神经网络理论及其技术已经取得了大量的 ( ( 0 0 p ，则转向第七步；否则 转向第六步。其中，p ( 0 p p ，转向第六步。其中p 0 。 第六步，重新匹配，即将该输入模式作为个新的聚类中心，并转向第三步。 第七步，调整网络的权系数 6 ：( ) 2 者6 + 击 ( 公式3 _ 3 】) 其中b ：为第j 个输出节点所对应的连结权系数，n 为当前输出层神经元个数。 第八步，转向第二步。 包氏神经网络算法流程图如图3 - 9 所示。 阿安午i 油大学硕1 一学位论文 3 4 小结 图3 - 9 包氏神经网络算法流程图 本章首先介绍了人工神经网络的生物神经元模型和人工神经元模型，以此为基础对 人工神经网络的工作原理进行了说明。并对人工神经网络模型四种不同连接方式的分类 进行介绍。然后介绍了人工神经网络的学习过程和学习方法( 即有教师监督学习和无教 师监督学习) ，并对误差纠正、h e b b 学习和竞争学习等三种学习规则进行了描述。最后， 根据本文解决问题的实际需要，着重介绍了b p 神经网络和自适应共振神经网络，并分别 从网络拓扑结构、学习过程、学习方法以及算法等方面进行了详细的描述。 第四章基r 钻井信息数据仓库的融台数据准备 第四章基于钻井信息数据仓库的融合数据准备 数据仓库( d a l aw a r e h o u s e ) 是企业中、高层管理人员和工程技术人员决策支持系统 的重要组成部分。同时，数据仓库是面向主题的、集成的、稳定的和随时间变化的数据 集台，它为现代钻井工程决策的科学性、正确性提供强有力的支持。 4 1 数据仓库的定义和特征 数据仓库是面向主题的( s u b j e c to r i e n t e d ) 、集成的( i n t e g r a t e ) 、非易失的 ( n o n v o l a t i l e ) 、随时间变化的( t i m ev a r i a n t ) 、用于支持管理人员决策的数据集合。 数据仓库包含粒度化的企业数据2 2 】口3 【2 7 1 【“。 上述数据仓库的概念包含了两个层次的意义：首先，数据仓库用于支持决策，面向 分析型数据处理，它不同于企业现有的操作型数据库；其次，数据仓库是对多个异构数 据源的有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库 中的数据一般不再修改。这就决定了数据仓库不同于数据库，数据库是一个具有某种属 性的数据集合，而数据仓库是一个综合的解决方案，它具有以下四个方面的特征： ( a ) 面向主题性 传统的操作型系统是围绕部门的应用进行组织的，不同类型的部门其主题集合是不 同的。然而，数据仓库是面向主题的，它根据高层决策最终用户的观点组织和提供数据， 围绕企业的基本实体组织数据设计，在逻辑上是某一宏观分析领域所涉及的分析对象。 例如：在钻井工程中，传统的数据组织方式是将钻井日报、钻井月报、设备数据、 钻井液记录、套管记录等以表格的形式存放在数据库中，当我们对某一钻井生产队某一 段时期的生产情况、材料使用情况进行分析时，这样的数据库很难给我们提供直接可利 用的有效信息，且非数据化的一些信息难于在传统的数据库中表现出来，因此必须围绕 钻井生产情况、材料使用情况等组织新的数据。在这一过程中，钻井生产情况、材料使 用情况便是数据仓库的主题。 ( b ) 集成性 数据仓库中的数据是从多个不同的数据源传来的。当这些数据进入数据仓库时，就 进行转换，重新格式化，重新排列以及汇总等操作。得到的结果就是存在于数据仓库中 的数据就具有企业的单一物理映象( s i n g l ep h y s i c a lc o r p o r a t ei m a g e ) 。 ( c ) 非易失性 数据仓库的数据是相对稳定的，它不进行实时更新。源数据进入数据仓库通常是根据 决策需要，以批量方式和规定时间间隔升级载入数据仓库的，一旦进入数据仓库中就不 曲安壬i 油大学硕士学位论文 能出用户进行一般意义上的数据更新。数据仓库中的数据在进行装载时是以静态快照的 格式进行的。当产生后继变化时，一个新的快照汜录就会被写入数据仓库，这样在数据 仓库中就保存了数据的历史状况。通过这些信息，可以对企业的发展历程和未来趋势做 出定量分析和预测。 例如：在固井施工过程中，不同阶段的施工详细情况可以通过静态快照的方式存储 于数据仓库中，即施工过程每一阶段的详细情况都将以时间为标示存于数据仓库中。当 需要对固井施工情况进行分析时，呈现在分析人员面前的将是像电影胶片那样动作连贯 的固井施工全过程。这也反映出数据仓库的另一个特点随时间变化性。 ( d ) 随时间变化性 时变性是指数据仓库中的每个数据单元都只是在某一时间是准确的。在一些情况下， 记录中加有时戳，而在另外些情况下记录则包含一个事务的时间。总之，任何情况下 记录都包含某种形式的时间标志用以说明数据在哪一时间准确。 数据仓库体系是从多个内容相互关联的、物理和结构上都相互独立的数据源中提取 的面向主题的数据集合，其主要功能是为联