作者：杨春颖　王赟　张致付
　　【摘要】随着学科间交叉以及大数据方法在地球物理学科的不断渗透，需要培养具有地球物理和大数据知识的综合型人才。传统地球物理专业向油气勘探开发各个阶段输送了大批人才，但在大数据方面的教学模型设计方面尚未形成对应的培养方案。本文从大数据的技术体系出发，分析了数据采集、存储管理、计算模式、数据挖掘分析等流程，并介绍了数据挖掘方法在油气勘探开发中的应用。以此为基础，设计了面向地球物理专业的数据挖掘教学模型，介绍了具体内容，希望以此教学模型为起点，设计教学大纲，开展教学探索。
　　【关键词】大数据  地球物理  数据挖掘  教学模型
　　【中图分类号】P3-4;G642.423【文献标识码】A 【文章编号】2095-3089（2020）26-0116-03
　　大数据起源于互联网并迅速发展，在各个行业得以应用。油田勘探开发行业采集并管理着庞大的数据体：从三维宽方位采集、四维地震、生产数据到测井、岩心、生产测井，再到光纤实时数据传输。国内含油气盆地具有多样化、多期次的构造特征，有海相碳酸盐岩孔缝储层，又有陆相碎屑岩和隐蔽油气藏，，诸多复杂构造、复杂储层的勘探开发需要高精度地球物理方法，利用大数据方法进行生产决策，可以充分利用发挥已有地震数据的优势，提高并推动地球物理核心技术的发展。而大数据方法在能源行业的发展和应用，需要懂专业和大数据知识的综合型人才，该背景下地球物理专业学生培养的投入相对薄弱。
　　1.大数据技术体系
　　大数据流程（图1）涉及数据采集和预处理，存储和管理，计算模式，大数据挖掘和分析，以及可视化等五个方面[1，2]。数据采集主要包括以下几个方面：（1）科学实验采集，是在预先假定条件下观测到并用于研究和学术的信息系统;（2）物理信息，可以是对各种物理现象或物理过程的监控和检测，是关于介质物性、化学性质的测量数据;（3）管理信息，为日常管理和经营过程中产生的数据，例如，办公和事务处理系统;（4）Web信息系统，通常指互联网产生的各种数据信息。这些数据是对某一过程或某周期状态或某种现象的描述，这些数据的质量决定了可用性，能否精确的描述生产过程、学术问题均受到数据质量的影响。
　　采集的大规模数据，可能是结构化的，也可能是非结构化的，均需要存储技术支撑;根据用户需求，数据的处理方式和结果也多种多样。因此数据的存储和管理，是大数据的另一个重要环节。将PB（1000TB）级甚至更高的EB（1000PB）级数据分散到各个节点或者设备上，是分布式存储的基本特征，目前常用的技术包括分布式文件系统，分布式数据库，大数据索引查询等。大数据计算模式（图2）有批处理、内存计算、流式计算、迭代计算、查询分析计算和图计算[3]。以常见的批处理为例，其对应的计算系统有Hadoop、MapReduce和Spark，采用的是分而治之的并行思路，是目前最为主流、较为成功的并行计算模式，具有简单易用的特点，很多企业内部使用这种批处理方法计算大数据。
　　大数据的优势在于数据的体量大，通过数据挖掘，可以克服观测数据的个体波动，从而揭示更多可信赖的深层次的模式和规律，发现更潜在的数据价值，数据挖掘是通过机器学习、统计等实现数据聚类的过程。在TB级别的数据体上迭代查找有用信息，需要深入理解和扎实的数据挖掘方法。该方法本身经过了很多年的发展，已经出现了很多较为成熟的挖掘算法[4]，而传统的算法较难直接应用到MapReduce、Spark等分布计算系统上，需要开发新的方法，挖掘算法可以分为聚类算法、预测回归算法、索引排序法和关联规则分析法[5]，可实现知识的提取。这些方法可以在分布式存储系统框架下，并行的执行大数据挖掘任务，在准确率和效率方面大大提升。
　　从大数据的技术体系可见，与数据的存储方式、计算系统研究相比，数据挖掘是面向用户需求的一种计算过程，可服务各行各业，对油气行业的发展将有很大的帮助。大数据在能源行业的发展和应用，需要懂专业和大数据知识的综合型人才，此类人才缺口较大，仅美国就需要14万到19万名拥有数据深度分析专长的从业者。近年来，像中石油这样的大型央企未雨绸缪，也在加大数据专业人才的培养力度，开始大数据的人才储备;广海局在可燃冰技术方向走在国内外前列，近两年也开始招聘数据挖掘方向，招聘专业限制为测绘和地球物理这两个专业，可见，企业和科研高校对这方面人才的需求趋势;寻求数据挖掘和地球物理专业的结合点，将是未来人才培养的一个新方向。
　　2.大数据对地球物理技术的影响
　　勘探地球物理旨在圈定油气藏边界，需要采集和分析大量数据，例如：野外宽方位、节点式采集产生海量地震数据，时延地震通过对有利区块重复三维采集，产生的大数据等。随着技术的发展，采集1000平方公里的三维数据是500TB，1.92万次覆盖，道数已高达700亿道。通过大数据和云技术实现数据快速传输，并实现野外与室内的实时互动，这些工作的展开都要围绕大数据技术。很多工作者已经尝试采用数据挖掘方法开展油田解释和反演工作。例如，通过关联规则、神经网络方法，统计分析油田勘探开发数据库，并研究水淹层自动识别技术[6];通过贝叶斯方法和聚类分析技术实现油田数据库监控，实现数据质量、静态、动态数据跟踪等[7]。
　　国内外公司也已经开始布局大数据在油田勘探方面的应用，像国外大型油服公司CGG、Schlumberger，都在开发大数据应用平台。Schlumberger推出了认知勘探开发环境，利用了数据挖掘方法，例如，机器学习、物联网等来提供生产率，同时，也发布了数字化井建设规划方案，以便能够在统一的系统内访问钻井数据，并将此项技术逐渐应用到勘探开发的其他环节。中石化自主开发了π-frame地震数据处理和解释软件，是处理和解释一体化平台，实现了数据IO和处理的并行化，在业界首次使用MapReduce和Hadoop等分布式大数据技术，能够支撑PB级别海量地震数据的高效组织和管理。π-frame的功能不仅局限于此，未来还将包括钻井、测井等勘探开发技术，该平台与现在主流软件相比，已经具备了明显的优势。此外，中石油也在开展油田生產管理系统。随着技术的不断发展，以及生产效率的不断提高，数据挖掘技术在油气行业将展现出广泛的应用前景，对具有地球物理背景的综合型人才需求较大。