增强的地质服务表征的制作方法

地质系统和服务包括与来自地下区域和水下区域的勘探和资源生产活动相关的多种领域。例如，地质服务可包括石油服务、天然气服务、针对化石燃料、金属和矿产的挖掘服务，以及环境保护、清洁和勘测服务。

石油服务涉及与勘探、钻探、生产、维护和与识别和生产石油、天然气和其他化石燃料产品相关的其他活动相关联的多种服务和系统。这类系统通常是非常复杂的并且需要高度专业化、高度受教育和知识渊博的专家的协助来设计系统数据采集和分析过程。

勘测(诸如重力勘测、磁勘测、被动地震勘测、区域反射勘测、拖曳地震勘测、声呐阵列勘测和海底地震系统)生成大量数据并且分析这样大量的数据是耗时且资源密集的。另外，数据的分析通常不是非常直接的并且涉及许多不同的步骤和计算。根据所使用的数据采集系统的类型、勘测区的地理位置、所使用的勘探过程的类型、目标材料等，用来分析一个数据集合的步骤和计算集合可与用来分析另一个数据集合的步骤和计算集合不同。因此，石油勘测的分析通常需要所述领域中专家的指导或见解。

当执行其他石油服务活动时，问题更加复杂。例如，用于分析或维护工作井的所获取的数据、参数和关注量可与油勘探所需的数据、参数和关注量完全不同。在一些情况下，可使用相同的软件和分析工具套件来完成这两项任务。因此，以前需要进一步的专家指导来为不同的石油服务活动设计数据采集和分析协议。

数据采集系统可包括获取数据并且提供所述数据用于进一步处理的任何类型的系统。数据采集系统的一个示例是被配置来通过用户接口装置从用户接收数据条目的数据条目终端。数据采集系统的另一个示例是传感器系统，其中一个或多个物理传感器装置被配置来响应于物理参数的测量结果或检测水平而生成信号。其他数据采集系统包括数字监测装置、测量装置、自动数据收集装置等。

复杂系统可包括多个数据采集系统或装置，其包括不同类型的数据采集系统。例如，基于用户的数据采集系统可从多个用户接收数据，每个用户使用略有不同的惯例来输入数据。在涉及传感器的示例中，数据采集系统可包括多个传感器，其中传感器可由不同的制造商制造。在这种示例中，每个制造商可使用不同的惯例来生成数据。在另一个示例中，复杂系统可包括用于从用户接收数据的用户接口装置、多个传感器和各种另外的或替代性数据获取装置(诸如测量装置或数字监测装置)的组合。

在这类系统中，可以多种不同的格式获取数据。例如，一些传感器或用户可以公制单位提供数据。其他数据采集装置或用户可以英制单位提供数据。在各种其他示例中，用于数据条目的十进制基数在装置或用户之间可能不同。在其他示例中，对于一些数据条目，可省略单位。因此，先前的采集系统，特别是复杂的采集系统的一个问题在于，与数据条目相关联的单位可能不一致。当进一步处理数据时，这种不一致可能是有问题的。

工作流程可包括将要由特定数据采集系统获取的指定的数据集合、将要用于分析所获取数据的指定的分析工具集合、指定的分析序列、将要对所获取数据执行的指定的计算或操作集合以及将要由工作流程生成的指定的关注量集合。在先前的系统中，工作流程是由专家利用用于完成分析项目的独立和专业知识来设计并通常实现的。专家定义工作流程的问题在于，一个专家用来设计工作流程的知识可能与另一个专家使用的知识不同。因此，结果不是标准化的，并且存在不一致。此外，当特定专家换工作或离开特定岗位时，这个专家用于设计工作流程的知识被雇用这个专家的公司遗忘或遗失。在先前利用专家来设计和/或实现数据采集和分析工作流程中存在各种其他争论和问题。

技术实现要素：

本发明描述了用于增强的地质服务表征的方法和系统。

一种方法的实施方案包括响应于地质服务经验信息集合和一个或多个地质服务目标而生成地质服务表征过程。这种方法还可包括响应于训练信息集合通过机器学习增强所述地质服务表征过程。另外，所述方法可包括响应于所述增强而生成增强的地质服务表征过程。

所述生成所述地质服务表征过程可包括生成将要使用数据采集系统实施的数据采集协议。

所述数据采集协议可由采集顾问单元响应于所述地质服务经验信息集合和所述一个或多个地质服务目标自动地生成。

所述生成所述数据采集协议可包括指定将要使用所述数据采集系统取得的测量结果集合。

所述生成所述地质服务表征过程可包括生成将要使用数据分析系统实施的数据分析过程。

所述生成所述数据分析过程可包括生成用来分析从所述数据采集系统接收的测量结果的工作流程。

所述工作流程可包括将要响应于所述测量结果执行的计算的说明。

所述工作流程可包括将要响应于所述测量结果执行的操作和计算序列的说明。

所述工作流程可由工作流程构建器单元响应于所述地质服务经验信息集合和所述一个或多个地质服务目标自动地生成。

所述生成所述数据分析过程可包括定义在所述数据分析过程中使用的参数。

所述参数可由解释单元响应于所述工作流程自动地生成。

所述方法可包括响应于通过所述地质服务表征过程收集的信息生成所述训练信息集合并且将所述训练信息集合存储在训练数据库中。

所述生成所述训练信息集合可包括收集响应于所述地质服务表征过程生成的测量结果、参数和关注量。

所述生成所述训练信息集合可包括收集响应于增强的地质服务表征过程生成的增强的测量结果、增强的参数和加强的关注量。

所述增强所述地质服务表征过程可包括对所述训练信息集合中的信息进行分类。

所述分类可包括对所述训练信息集合执行自动数据分类过程。

所述自动数据分类过程可包括聚类算法。

所述分类可包括对所述训练信息集合执行用户监督的分类过程。

所述对所述训练信息集合进行分类可生成在所述增强的地质服务表征过程中使用的数据类别定义、类别的特性测量结果、基于类别的回归模型和参数选择中的至少一者。

所述生成所述增强的地质服务表征过程可包括响应于所述机器学习生成增强的数据采集协议。

所述生成所述增强的地质服务表征过程可包括响应于所述机器学习生成增强的数据分析过程。

所述生成所述增强的数据分析过程可包括响应于所述机器学习生成增强的工作流程。

所述生成所述增强的数据分析过程可包括响应于所述机器学习定义在所述增强的数据分析过程中使用的增强的参数。

一种设备的实施方案可包括初始化单元，所述初始化单元被配置来响应于地质服务经验信息集合和一个或多个地质服务目标而生成地质服务表征过程。另外，所述设备可包括机器学习单元，所述机器学习单元被配置来接收响应于所述地质服务表征过程生成的信息并且被配置来响应于训练信息集合通过机器学习改进所述地质服务表征过程。所述设备还可包括程序执行单元，所述程序执行单元被配置来从所述机器学习单元接收确定信息并且响应于所述确定信息而生成增强的地质服务表征过程。

一种系统的实施方案可包括数据采集系统、联接到所述数据采集系统的数据处理装置和联接到所述数据处理装置的数据存储系统。在实施方案中，所述数据采集系统可根据数据采集程序获得测量结果。所述数据处理装置可执行增强的分析系统的操作。在实施方案中，所述增强的分析系统可包括：初始化单元，所述初始化单元被配置来响应于地质服务经验信息集合和一个或多个地质服务目标而生成地质服务表征过程；机器学习单元，所述机器学习单元被配置来接收响应于所述地质服务表征过程生成的信息并且被配置来响应于训练信息集合通过机器学习改进所述地质服务表征过程；以及程序执行单元，所述程序执行单元被配置来从所述机器学习单元接收确定信息并且响应于所述确定信息而生成增强的地质服务表征过程。在实施方案中，所述数据存储系统可存储所述训练信息集合。

描述了方法的另一个实施方案。在实施方案中，所述方法可包括：扫描解释历史信息集合，所述解释历史信息集合包括与第一地质服务数据解释项目相关联的信息；从所述解释历史信息集合提取解释元数据；以及响应于所述元数据确定第二地质服务数据解释项目的解释设置。还描述了对应的设备和系统。

在实施方案中，这种方法还可包括从所述解释历史信息集合提取获取的数据。另外，所述方法可包括从所述解释历史信息集合提取数据解释工作流程，所述数据解释工作流程包括对所述获取的数据执行的操作的识别。在实施方案中，这种方法可包括提取在所述操作的数据分析中使用的参数。所述方法还可包括提取响应于所述执行的操作和用于所述操作的所述参数从所述获取的数据获得的关注量。

所述方法可包括确定与从所述解释历史信息集合提取的所述解释元数据相关联的品质因数。在这种实施方案中，所述品质因数可包括权重值，所述权重值选自预定的权重值范围。这类方法还可包括分析迭代解释，并且其中与第一迭代相关联的权重值低于与第二迭代相关联的权重值，其中所述第一迭代在所述第二迭代之前发生。在一些实施方案中，所述品质因数是由用户输入定义的。在一些实施方案中，所述品质因数与特定域相关联。

在所述方法的实施方案中，所述元数据包括选自由以下各项组成的一组值的至少一个值：与解释结果相关联的识别符、用户信息、地层信息、地理信息、参数类型、参数值、与所述解释相关联的时间戳以及域特定值。

还描述了一种用于生成数据采集程序的方法。在实施方案中，所述方法包括：在输入接口处接收地质服务目标；在所述输入接口处接收地质服务经验信息集合；响应于所述地质服务目标和所述地质服务经验信息集合用联接到所述输入接口的数据处理器自动地生成将要由数据采集系统取得的测量结果集合的说明；以及提供包括所述测量结果集合的所述说明的输出。

还描述了一种被配置来生成数据采集程序的设备。在实施方案中，所述设备包括：输入接口，所述输入接口被配置来接收地质服务目标和地质服务经验信息集合；联接到所述输入接口的数据处理器，所述数据处理器被配置来响应于所述地质服务目标和所述地质服务经验信息集合自动地生成将要由数据采集系统取得的测量结果集合的说明；以及联接到所述数据处理器的输出接口，所述输出接口被配置来提供包括所述测量结果集合的所述说明的输出。

还描述了一种用于定义数据分析过程的方法的实施方案。在实施方案中，所述方法包括：在输入接口处接收地质服务目标；从数据采集系统接收测量结果；响应于所述地质服务目标生成用于分析从所述数据采集系统接收的所述测量结果的工作流程程；以及提供包括所述工作流程程的输出。

还描述了一种被配置来生成数据分析过程的设备的实施方案。在实施方案中，所述设备包括：输入接口，所述输入接口被配置来接收地质服务目标和来自数据采集系统的测量结果；数据处理器，所述数据处理器联接到所述输入接口并且被配置来响应于所述地质服务目标生成用于分析从所述数据采集系统接收的所述测量结果的工作流程程；以及输出接口，所述输出接口被配置来提供包括所述工作流程的输出。

还描述了一种用于处理和解释地质服务数据的方法的实施方案。在实施方案中，所述方法包括：在输入接口处接收工作流程；从数据采集系统接收测量结果；确定用于根据所述工作流程分析所述测量结果的参数；使用所述参数根据所述工作流程分析所述测量结果以确定关注量；以及提供包括所述关注量的输出。

描述了一种被配置来生成数据分析过程的设备的实施方案。在实施方案中，所述设备包括；输入接口，所述输入接口被配置来接收工作流程和来自数据采集系统的测量结果；数据处理器，所述数据处理器联接到所述输入接口并且被配置来确定用于根据所述工作流程分析所述测量结果的参数，并且使用所述参数根据所述工作流程分析所述测量结果以确定关注量；以及输出接口，所述输出接口被配置来提供包括所述关注量的输出。

描述了一种用于增强地质服务表征过程的方法的实施方案。在实施方案中，所述方法包括：从数据采集系统接收测量结果，所述测量结果是响应于数据采集程序获取的；接收用来分析所述测量结果的工作流程；接收用来分析所述测量结果的参数；接收根据所述工作流程并响应于所述测量结果和所述参数生成的关注量；将所述测量结果、所述工作流程、所述参数和所述关注量一起作为训练信息集合存储在训练数据库中；使用所述训练信息集合执行机器学习过程以生成增强的地质服务表征过程，所述增强的地质服务表征过程包括增强的数据采集协议、增强的工作流程和增强的参数；以及响应于从所述数据采集系统接收的增强的测量结果而确定加强的关注量，所述增强的测量结果是响应于所述增强的数据采集协议获取的，所述加强的关注量是响应于所述增强的工作流程和所述增强的参数确定的。

在实施方案中，这种方法可包括将所述增强的测量结果、所述增强的数据采集程序、所述增强的工作流程、所述增强的参数和所述加强的关注量中的至少一者添加到所述训练信息集合。

描述了一种被配置来增强地质服务表征过程的设备的实施方案。这种实施方案可包括输入接口，所述输入接口被配置来接收：来自数据采集系统的测量结果，所述测量结果是响应于数据采集程序获取的；用来分析所述测量结果的工作流程；用来分析所述测量结果的参数；以及关注量，所述关注量是根据所述工作流程并响应于所述测量结果和所述参数生成的。所述设备还可包括：数据存储装置，所述数据存储装置联接到所述输入接口并且被配置来将所述测量结果、所述工作流程、所述参数和所述关注量一起作为训练信息集合存储在训练数据库中；人工智能单元，所述人工智能单元联接到所述数据存储装置并且被配置来使用所述训练信息集合执行机器学习过程以生成增强的地质服务表征过程，所述增强的地质服务表征过程包括增强的数据采集程序、增强的工作流程和增强的参数；以及数据处理器，所述数据处理器联接到所述人工智能单元并且被配置来响应于从所述数据采集系统接收的增强的测量结果而确定加强的关注量，所述增强的测量结果是响应于所述增强的数据采集程序获取的，所述加强的关注量是响应于所述增强的工作流程和所述增强的参数确定的。

尽管本文将某些实施方案描述为设备，但是普通技术人员将认识到，这种设备可在单个集成装置中定义，或者替代地，在具有多于一个物理部件的部件的分布式系统中定义。因此，描述为设备的实施方案可以是同样可辨识的并且可被定义为系统。

附图说明

以下附图形成本说明书的一部分，并且被包括在内以进一步说明本公开的某些方面。通过参考这些附图中的一个或多个并结合本文提出的特定实施方案的详细描述，可更好地理解本公开。

图1是示出用于增强的地质服务表征的系统的实施方案的示意性框图。

图2是示出用于增强的地质服务表征的系统的实施方案的示意性框图。

图3是示出用于地质服务表征的过程的实施方案的逻辑图。

图4是示出用于地质服务表征的过程的实施方案的逻辑图。

图5是示出用于增强的地质服务表征的设备的实施方案的示意性框图。

图6是示出用于增强的地质服务表征的方法的实施方案的示意性流程图。

图7a是示出用于增强的地质服务表征的方法的实施方案的示意性流程图。

图7b是示出用于增强的地质服务表征的方法的实施方案的示意性流程图。

图8是示出用于增强的地质服务表征的设备的实施方案中的处理流程的示意性处理图。

图9是示出被配置来生成数据采集程序的设备的实施方案的示意性框图。

图10是示出用于生成数据采集程序的方法的实施方案的示意性流程图。

图11是示出被配置来生成数据分析过程的设备的实施方案的示意性框图。

图12是示出用于定义数据分析过程的方法的实施方案的示意性流程图。

图13是示出被配置来执行数据分析过程的设备的实施方案的示意性框图。

图14是示出用于处理和解释地质服务数据的方法的实施方案的示意性流程图。

图15是示出用于解释参数预测的系统的实施方案的示意性框图。

图16是示出用于解释参数预测的方法的实施方案的示意性流程图。

图17是示出用于增强地质服务表征过程的方法的实施方案的示意性流程图。

具体实施方式

参考在附图中示出并在以下描述中详述的非限制性实施方案，更全面地解释各种特征和有利细节。然而，应理解，详细描述和特定示例仅仅通过说明的方式而不是通过限制的方式给出。在本公开的精神和/或范围内的各种替换、修改、添加和/或重新布置对本领域的技术人员将变得显而易见。

由本发明的实施方案解决的一个技术问题涉及保留技术知识和专业知识。尽管用于地质服务表征的先前方法严重依赖这样的专家知识和经验，但是本发明的实施方案可将这样的知识保留在训练信息集合中，并且响应于从训练信息集合导出的确定、使用机器学习来增强地质服务表征过程。因此，在示例中，本公开和所附权利要求提供了保留技术知识和专业知识的技术问题的技术解决方案。

有利地，本发明的实施方案提供的技术益处是：捕获整合信息集合中的专家知识和经验，将捕获的专家知识和经验转换成增强的地质服务表征过程，所述增强的地质服务表征过程响应于捕获的专家知识和经验得以增强。另外的益处包括加强专家知识和经验(即使人力资源改变)的使用寿命或保留，以及改进地质服务表征结果的一致性和可靠性。

图1描绘根据一些实施方案的示例性地质系统100。系统100可以是单独的系统101a或分布式系统的布置。系统101a包括一个或多个地球科学分析模块102，其被配置来根据一些实施方案，诸如本文公开的一种或多种方法执行各种任务。为了执行这些各种任务，地球科学分析模块102独立地或与一个或多个处理器104协调地执行，所述一个或多个处理器104连接到一个或多个存储介质106a。一个或多个处理器104还连接到网络接口108以允许系统101a通过数据网络110与一个或多个另外的系统和/或系统(诸如101b、101c和/或101d)通信(应注意，系统101b、101c和/或101d可以或可以不与系统101a共享相同体系结构，并且可位于不同物理位置中，例如，系统101a和101b可位于在海上航行的轮船上，同时与一个或多个系统(诸如位于海岸、其他轮船上的一个或多个数据中心中和/或位于不同大陆上的不同国家中的101c和/或101d)通信)。应注意，数据网络110可以是私用网络，它可使用公共网络的部分，它可包括远程存储和/或应用程序处理能力(例如，云计算)。

处理器可包括微处理器、微控制器、处理器模块或子系统、可编程集成电路、可编程门阵列或另一种控制或计算装置。

存储介质106a可实现为一个或多个计算机可读或机器可读存储介质。应注意，虽然在图1的示例性实施方案中存储介质106a被描绘为在计算机系统101a内，但在一些实施方案中，存储介质106a可分布在计算系统101a和/或另外的计算系统的多个内部和/或外部外壳内和/或跨所述多个外壳。存储介质106a可包括一个或多个不同形式的存储器，包括半导体存储器装置，诸如动态或静态随机存取存储器(dram或sram)、可擦可编程只读存储器(eprom)、电可擦可编程只读存储器(eeprom)和闪存；磁盘，诸如固定磁盘、软盘和可移除磁盘；其他磁介质，包括磁带；光介质，诸如光盘(cd)或数字视频光盘(dvd)、bluray或任何其他类型的光介质；或其他类型的存储装置。应注意，以上所论述的指令可提供在计算机可读或机器可读存储介质上，或者替代地，可提供在分布在大型系统中的多个计算机可读或机器可读存储介质上，所述大型系统可能具有多个节点和/或非暂时性存储装置。这样的一个或多个计算机可读或机器可读存储介质被认为是制品(或制造制品)的部分。制品或制造制品可指代任何制造出的单个部件或多个部件。一个或多个存储介质可位于运行机器可读指令的机器中，或者位于远程位点处，可通过网络从所述远程位点下载机器可读指令以供执行。

应理解，系统101a仅是一个示例，并且系统101a可比所示具有更多或更少的部件，可结合图1的示例性实施方案中未描绘的另外部件，和/或系统101a可具有图1中描绘的部件的不同配置或布置。图1中所示的各种部件可在硬件、软件或硬件和软件两者的组合中实现，包括一个或多个信号处理集成电路和/或专用集成电路。

还应理解，系统100可包括用户输入/输出外围设备，诸如键盘、鼠标、触摸屏、显示器等。系统100可包括台式工作站、膝上型电脑、平板计算机、智能电话、服务器计算机等。

此外，本文描述的处理方法中的步骤可通过运行信息处理设备，诸如通用处理器或专用芯片(诸如asic、fpga、pld或其他适当装置)中的一个或多个功能模块来实现。这些模块、这些模块的组合和/或它们与硬件的组合全部包括在本公开的范围内。

地球科学协作系统112包括一个或多个处理器116、存储介质118和网络接口120，其在一些实施方案中可类似于关于系统100a所论述的一个或多个处理器、存储介质和网络接口。地球科学协作系统112还包括一个或多个协作模块114。在这个示例中，存在许多模块，这些模块被设计来促进通信、内容递送、安全性、协作应用程序处置和促进用户在系统101a、101b、101c和/或101d中的一个或多个处进行地球科学协作所需的其他功能。具体地，协作模块114可包括以下子模块。

音频处置子模块121提供用于记录声音(例如，语音、计算系统事件等)和将其从一个系统(诸如系统101a)递送到地球科学协作中的一个或多个系统(例如，系统101b和101c)。

视频处置子模块122提供用于捕获显示内容(例如，来自运行地球科学应用程序的系统的视频的显示)和将其从一个系统(诸如系统101a)递送到地球科学协作中的一个或多个系统(例如，系统101b和101c)。

用户应用程序处置子模块125提供用于多个系统之间的地球科学协作中的应用程序处置。例如，用户可在系统101a上调用他/她希望与系统101b和101c处的其他人共享和协作的应用程序。地球科学协作系统112可通过适当的手段(例如，多系统进程间控制机制，诸如套接字、rpc等)与系统101a通信，以获得必要的信息来促进系统101a、101b和101c处的用户之间的协作。

当然，在一些实施方案中，协作中的系统中的一个或多个可处于“只听和只看”模式，其中仅从一个系统向另一个系统广播协作的一个或多个应用程序、一个或多个白板和/或其他元件。在一些实施方案中，这可通过将用户应用程序处置子模块125配置为处于广播模式来完成。

事件处置和仲裁子模块123提供控制，使得来自地球科学协作中的多个系统上的多个用户的相应输入以适当的方式(例如，按用户之间最初输入的序列)被处置，有冲突的输入或指令生成适当的动作等。

安全子模块124可控制对地球科学协作的访问，使得仅特定地被准许访问地球科学协作的内容的系统可以访问。

数据采集系统130可包括被配置来接收数据的系统、传感器、用户接口终端等，所述数据对应于在石油服务设施(诸如勘探单元、石油钻机、石油或天然气生产系统等)处收集的记录。获取的数据可包括传感器数据、雇员日志数据、计算机生成的数据等。

参考图2，多客户端系统200可包括可例如在云服务系统上实现的集中式服务系统202。在这种实施方案中，集中式服务系统202可包括一个或多个云数据存储系统201和一个或多个计算节点203。在这种实施方案中，系统200可包括多个客户端网络，包括第一客户端网络206、第二客户端网络208和第三客户端网络210。每个客户端网络206至210可通过系统通信网络204与集中式服务系统202通信，所述系统通信网络204可以是互联网或专用wan连接。

在这类实施方案中，客户端网络206至210中的每一个可包括图1中描述的部件，诸如计算机系统101a至101d和数据采集系统130等。这类装置可进一步通过内部网络110连接。在实施方案中，第一客户端网络206可由数据分析系统提供商的第一客户操作。在另一个实施方案中，第二客户端网络208和第三客户端网络210两者可由第二客户操作，但是位于分离的地理位置。普通技术人员将认识到可建立的多种客户端/客户关系。

在这种实施方案中，客户端网络206至210中的每一个可与集中式服务系统202通信，以用于某些集中式数据处理和分析过程的数据存储和实现。有利地，集中式服务系统202可被配置用于大规模数据存储和数据处理。在一个这样的实施方案中，数据存储可根据服务提供商的需要并且根据每个客户的需要动态地缩放。在客户数据在集中式服务系统202处由服务提供商处置或管理的实施方案中，可在云数据存储装置106上将机密客户数据分成不同且安全的逻辑卷。类似地，可在分离的且安全的计算节点203上处理每个客户的数据以便维持数据安全性。其他非机密数据(诸如用户行为数据)可存储在聚合或整合数据库中。

在一个示例中，石油和天然气客户可建立第一客户端网络206，所述第一客户端网络206可包括用于收集一个或多个石油和/或天然气井场处的井筒数据的一个或多个数据采集系统130。另外，第一客户端网络206可包括用于分析由数据采集系统130获取的数据的计算机系统101b至101d。在这种实施方案中，第二石油和天然气客户可建立具有类似配置的第二客户端网络208。在这种实施方案中，第一客户端网络206和第二客户端网络208两者可通过系统通信网络204与集中式服务系统202通信。

在这种实施方案中，可在云数据存储装置201上建立第一逻辑卷，用于存储从第一客户端网络206接收的专有数据，并且可在云数据存储装置201上建立第二逻辑卷，用于存储从第二客户端网络208接收的专有数据。另外，可在云数据存储装置201上建立第三逻辑卷，用于存储用于训练或机器学习目的的数据的集中式数据库。类似地，可在云数据存储装置201上建立第四逻辑卷，用于存储与用于分析存储在第一逻辑卷和/或第二逻辑卷中的专有数据中的数据条目的预测模型相关联的历史元数据和统计数据的集中式数据库。

类似地，可生成多个计算节点203或处理线程以执行下面关于图3至图4描述的操作。在一个这样的实施方案中，多个计算节点203可执行并行处理以改进总处理时间。

图3是示出用于地质服务表征的过程的实施方案的逻辑图。在图3的实施方案中，可接收一个或多个测量结果302。例如，可根据数据采集程序从数据采集系统130获得测量结果302。还可获得一个或多个参数304。参数304可由分析套件306的部件用作初始条件、约束条件、权重值等。参数304可有助于执行根据分析套件306的部件执行的一个或多个计算308或操作310。在实施方案中，分析套件306可包括能够执行各种操作310和计算308的模块、类别或功能。替代地，分析套件306可包括分析模块的集合，每个分析模块被配置来执行专门的计算308和/或操作310。响应于测量结果302和参数304，分析套件306可生成一个或多个关注量312。

图4是示出用于地质服务表征的过程的实施方案的逻辑图。图4的实施方案示出系统的示例，在这个系统中根据多个分析模块的套件分析测量结果302。例如，测量结果302和参数304可被传递到第一分析模块306a以获得第一结果402a，并且传递到第二分析模块306b以获得第二结果402b。第一结果402a和第二结果402b可结合参数304和测量结果302由第n分析模块306n处理，以获得一个或多个关注量312。在这种实施方案中，获得的测量结果302和参数304的集合以及由分析模块306a至306n执行的处理步骤的序列可定义工作流程404。普通技术人员将认识到，根据特定分析目标，可使用工作流程404的各种实施方案。

图5是示出用于增强的地质服务表征的设备的实施方案的示意性框图。在实施方案中，所述设备可包括被配置来操作增强的分析系统502的数据处理装置。在实施方案中，数据处理装置可以是处理器116。替代地，数据处理装置可以是集中式服务系统202的计算节点203。在一些实施方案中，增强的分析系统502可包括初始化单元504、机器学习单元506和程序执行单元508。

图6是示出用于增强的地质服务表征的方法600的实施方案的示意性流程图。在实施方案中，初始化单元504可响应于石油服务经验信息集合和一个或多个石油服务目标而生成地质服务表征过程，如在框602处所示。机器学习单元506可被配置来响应于训练信息集合通过机器学习增强石油服务表征过程，如在框604处所示。在实施方案中，程序执行单元508可被配置来响应于增强的石油服务表征过程生成增强的石油服务表征过程，如框606处所示。在实施方案中，增强可包括优化。在实施方案中，增强可包括加强或改进，但不一定达到优化的程度。可使用方法600的各种替代性实施方案。

图7a至图7b示出用于增强的地质服务表征的方法的实施方案。在实施方案中，所述方法包括图6中描述的步骤，包括生成地质服务表征过程602，增强地质服务表征过程604，以及响应于增强而生成增强的地质服务表征过程606。

如图7a所示，生成地质服务表征过程602可包括一个或多个另外的、或替代性的、或任选的元素。例如，在实施方案中，框602可包括在框702处生成将要使用数据采集系统实施的数据采集程序。在实施方案中，数据采集程序由采集顾问单元响应于地质服务经验信息和一个或多个地质服务目标自动地生成，如在框704处所示。在框706处，所述方法可包括指定将要使用数据采集系统取得的测量结果集合。所述方法还可包括生成将要使用数据分析系统实施的数据分析过程，如在框708处所示。这种实施方案可包括生成用于分析从数据采集系统接收的测量结果的工作流程，如在710处所示。如在712处所示，工作流程可包括将要响应于测量结果执行的计算的说明。工作流程还可包括用来响应于测量结果执行操作和计算序列的处理应用程序的说明，如在714处所示。工作流程可由工作流程构建器单元响应于地质服务经验信息集合和一个或多个地质服务目标自动地生成，如在716处所示。所述方法还可包括定义用于在数据分析过程中使用的参数，如在718处所示。所述参数可由处理和解释单元响应于工作流程自动地生成，如在720处所示。在图7b处继续方法的实施方案，其中进一步描述增强地质服务表征过程604。在实施方案中，所述方法包括响应于通过地质服务表征过程收集的信息生成训练信息集合并且将训练信息集合存储在训练数据库中，如在722处所示。这种实施方案可包括收集响应于地质服务表征过程生成的测量结果、参数和关注量，如在724处所示。这种实施方案还可包括收集响应于增强的地质服务表征过程生成的增强的测量结果、增强的参数和加强的关注量，如在726处所示。在实施方案中，所述方法包括对训练信息集合中的信息进行分类，如在728处所示。对所述信息进行分类可包括例如使用聚类算法对训练信息集合执行自动数据分类过程，如分别在730和732处所示。分类还可包括对训练集合执行用户监督的分类过程，如在734处所示。所述方法可包括生成用于在增强的地质服务表征过程中使用的数据类别定义、类别的特性测量结果、基于类别的回归模型和参数选择中的至少一者，如在736处所示。在738处，所述方法可包括响应于机器学习生成增强的数据采集协议。增强的数据采集协议可包括数据采集程序。所述方法还可包括响应于机器学习生成增强的数据分析过程，如在740处所示。例如，这种实施方案可包括响应于机器学习生成增强的工作流程，如在742处所示。而且，这种实施方案可包括响应于机器学习定义用于在增强的数据分析过程中使用的增强的参数，如在框744处所示。

普通技术人员将认识到，图6至图7b中描述的方法的各种实施方案可按不同的顺序或序列使用。可省略一些步骤或选项，并且可在所描述的实施方案的范围内添加另外的步骤或选项。可根据特定系统或处理目标使用方法元素的各种组合。所述方法在本文描述的设备和系统的实施方案中的一个或多个中实现。

图8是示出用于增强的地质服务表征的方法的实施方案的示意性流程图。在实施方案中，所述方法包括由初始化单元504、机器学习单元506和程序执行单元508执行。所述过程可从接收关于所执行的石油服务的先前知识、经验和信念以及客户端目标开始，如在框802处所示出。在井眼示例中，先前知识、经验和信念可包括关于类似项目的类似物或数据、井眼地震数据、偏移场和井数据、储层性质、钻探性能和井构造相关数据以及用户经验和信念。经验还可包括用于处理和解释过去的项目的参数。可收集和分析知识、经验和信念来定义数据分析目标。数据分析目标与客户端目标之间的权衡可由采集顾问进行平衡以确定数据采集程序和工作流程。

在这个实施方案中，客户端目标可基于井构造和现场开发目标。客户端目标可包括针对勘探和生产两者的某些成本限制。另外的客户端目标可包括测量结果的准确性、生产率、生产持续时间等。对风险的态度是可评估的另一个客户端目标。例如，客户端可能希望在预测计算中将风险限制为15％的误差范围，但可能希望将成本限制某个预定义的预算内。本发明的实施方案可接收所有这些因素，加上关于位点的位置和地质情况的信息，并且使用这些输入来开发工作流程404。

数据采集程序可由采集顾问804生成，并且可定义将要由数据采集系统130获得的测量结果集合302。例如，如果客户端想知道在30％的误差范围内并且在预定的成本阈值下，地下储层中含有多少桶石油，那么采集顾问804可响应于这些输入并且响应于数据采集系统130的能力、位点的位置和地质情况以及其他相关输入自动地确定数据采集程序。在另一个实施方案中，采集顾问804可从用户接收用于初始数据采集的手动输入。

在实施方案中，采集顾问804使用客户端目标和先前知识、经验和信念的集合作为输入，然后对要获取以满足客户端目标的测量结果集合提出建议。所述过程可使用诸如启发法、决策树、贝叶斯信念和其他模型选择算法的方法。生成多个采集场景，并且可使用建模和反演工具来估计对应的不确定性。最后，基于不确定性和其他约束条件选取满足客户端目标的采集场景。在实施方案中，数据采集系统130基于采集顾问804的推荐来获取测量结果集合302。

在实施方案中，工作流程构建器808可根据自动或手动过程生成工作流程404，以基于客户端目标、约束条件和获取的测量结果集合创建特定处理和解释工作流程404，以用于增强的处理和解释，所述确定响应于如在框802处所示的客户端目标和先前知识经验和信念。工作流程404可定义一系列算法、应用程序和工作流程，以将原始测量数据302转换成关注量312。它可包括但不限于环境校正、获得的地球物理参数的反演过程、获得的储层参数的反演过程、生产建模和多重物理反演工作流程。在一些实施方案中，这些工作流程包括两个部分：处理和解释。

在一个示例中，测量结果302包括诸如电阻率和体积密度的量。客户端可请求关注量312，诸如孔隙度和水饱和度或石油体积。工作流程404定义根据测量结果302确定关注量312所需的操作310和计算308。在这类实施方案中，关注量312可不被直接测量，并且可通过计算、推断和解释对测量结果302执行的操作310和计算308的结果来间接确定。

在完成初始工作流程404之后，将测量结果集合302、参数304、计算308和操作310的列表和序列以及关注量312存储在训练数据库814中。训练数据库814可包括由数据采集、处理和解释项目的历史集合(其可被称为遗留数据)生成的信息。此外，训练数据库814可包括工业标准信息，例如岩石物理模型(诸如archie模型、waxman-smits模型、shaly-sand模型等)。

训练分类和机器学习模块816可使用存储在训练数据库814中的信息来加强上述过程。分类可以是使用聚类技术的无监督式分类，或使用机器学习的监督式分类(用户驱动的、地质的等)，或两者的组合。分类的输出可包括类别、类别的特性测量结果和基于类别的回归模型，如在框818处所示。

机器学习建模可包括数据采集、数据清理、特征选择、建模和预测。在实施方案中，数据采集是初始步骤。历史数据用于训练模型，并且可称为训练数据。在将所述数据用于预测分析之前，可对其进行预处理。预处理可包括对数据的子分段进行切分、基于预定义的条件审查数据、对行的百分比进行随机采样、去除异常值、动态时间扭曲和一般格式化以使数据成为可馈送到机器学习算法的形式。特征可包括可包含与给定输出的相关性的数据集合的属性。特征选择可包括确定应被建模的输出。确定输出可由域知识驱动。在为建模选择适当的输出之后，可识别输入特征。数据建模可包括基于统计和物理的工具和方法的集合，其接收在先前步骤中确定的输入特征，然后提供对输出的预测。数据建模的两种主要方法是基于物理的建模和数据驱动建模。基于物理的建模使用从第一原理导出的传统物理方程来描述给定系统的行为。另一种方法是使用机器学习模型。这些是使用历史数据来训练模型的方法。训练模型涉及馈送算法数据，然后迭代地调整模型参数集合以与测试数据集合相比，减少模型误差。当模型已使用训练数据集合增强时，然后可使用所述模型来预测新数据。

在实施方案中，增强的分析系统502使用模型来生成增强的工作流程830和加强的关注量832。可在框822处获得更新的知识、经验和信念集合以及客户端目标。增强的采集顾问824可使用更新的客户端目标和知识、经验和信念以及观察到的问题和来自如框818所示的分类步骤的结果来为下一个项目推荐改进的测量结果集合。根据由增强的采集顾问824生成的增强的采集程序，数据采集系统130可获得改进的测量结果集合，如框826处所示。增强的工作流程构建器828可使用更新的客户端目标和获取的测量结果来创建处理和解释工作流程。来自分类步骤的结果也可输入到构建器。

在实施方案中，增强的处理和解释工作流程可使用分类结果，包括基于类别的回归模型，来增强用于类别和测量特定解释的工作流程。增强可以是不需要人工干预的全自动处理和解释过程，并且可实时或接近实时地应用。增强可包括用于由专家解释器对关键设置参数的定制曝光。在实施方案中，已经在相同领域的先前项目中或在模拟项目或地层中已经使用的合适的处理参数也可用于增强原始测量数据的处理，如下文参考图15至图16所述。

增强的关注量832可由增强的工作流程830使用改进的测量结果集合826生成以求解基于类别的加强的关注量832，所述基于类别的加强的关注量832然后用于更新训练数据库814中的客户端目标和知识、经验和信念集合。增强的采集程序、改进的测量结果集合826、增强的参数、增强的工作流程和增强的关注量832全部可被添加到训练数据库814，以用于进一步改进机器学习过程816。这些步骤可以闭环形式重复以不断地增强和自动化采集、处理和解释。

所描述的实施方案，特别是在其中提供的单独的步骤和步骤的有序组合提供了优于先前系统和手动过程的若干优点。例如，所述实施方案可允许创建新的工作流程，所述新的工作流程将知识从一个项目或雇员传播到相同领域中的另一个项目。另外的益处是开辟了实时处理和解释单个项目测井数据(通过具有自动和智能的学习系统)的可能性。另外的益处是基于采集和完成成本与收益来改进净现值(npv)。另外，本发明的实施方案可改进域专家使用，并且识别差距和对用于解决复杂问题的高端测量结果的需求。尽管以上对实施方案的描述论述了单井测井数据处理和解释(诸如岩石物理学)，但是本发明的实施方案也适用于其他地质、地球物理、生产、钻探和储层工程服务。

图9中示出被配置来生成数据采集协议的设备。生成的数据采集协议可由数据采集程序提供。在实施方案中，设备包括采集顾问804。采集顾问804可包括输入接口902、数据采集处理器904和输出接口906。在实施方案中，输入接口902可接收地质服务目标908和地质服务经验信息集合910。数据采集处理器904可联接到输入接口902。在实施方案中，数据采集处理器904可响应于地质服务目标902和地质服务经验信息集合904自动地生成将要由数据采集系统130取得的测量结果集合的说明912，并且输出接口906联接到数据采集处理器。输出接口提供包括测量结果集合的说明的输出。

图10中描述了用于生成数据采集程序的方法1000的实施方案。方法1000包括在输入接口处接收地质服务目标，如在框1002处所示。在框1004处，方法1000包括在输入接口处接收地质服务体验信息集合。方法1000还包括响应于地质服务目标和地质服务经验信息集合用联接到输入接口的数据处理器自动地生成将要由数据采集系统130取得的测量结果集合的说明，如在框1006处所示。在框1008处，方法1000提供包括测量结果集合的说明的输出。

图11示出被配置来生成数据分析过程的设备的实施方案。在实施方案中，设备包括工作流程构建器808。在实施方案中，设备包括输入接口902、工作流程定义处理器1102和输出接口906。在实施方案中，输入接口902接收地质服务目标908。而且，输入接口902从数据采集系统130接收测量结果302。在实施方案中，工作流程定义处理器1102联接到输入接口902。工作流程定义处理器1102可响应于地质服务目标908生成用于分析从数据采集系统130接收的测量结果302的工作流程定义1104。在实施方案中，输出接口906被配置来提供包括工作流程定义1104的输出914。

图12中示出用于定义数据分析过程的方法1200的实施方案。在实施方案中，方法1200包括：在输入接口处接收地质服务目标，如在1202处所示；从数据采集系统130接收测量结果，如在1204处所示；响应于地质服务目标生成用于分析从数据采集系统130接收的测量结果的工作流程，如在1206处所示；以及提供包括工作流程的输出，如在1208处所示。

图13示出被配置来执行数据分析过程的设备的实施方案。在实施方案中，设备包括处理和内插单元810。在实施方案中，设备包括：输入接口902，所述输入接口902被配置来接收工作流程定义1304(例如，由工作流程构建器808输出的工作流程定义1104)和来自数据采集系统130的测量结果；内插处理器1302，所述内插处理器1302联接到输入接口902并且被配置来确定用于根据工作流程1304分析测量结果的参数304，并且使用参数304根据工作流程1304分析测量结果以确定关注量312；以及输出接口906，所述输出接口906被配置来提供包括关注量312的输出914。

图14示出用于处理和解释地质服务数据的方法1400的实施方案。在实施方案中，方法1400包括：在输入接口处接收工作流程，如在1402处所示；从数据采集系统130接收测量结果，如在1404处所示；确定用于根据工作流程分析测量结果的参数，如在1406处所示；使用参数根据工作流程分析测量结果以确定关注量，如在1408处所示；以及提供包括关注量的输出，如在1410处所示。

图15是示出用于解释参数预测的系统的实施方案的示意性框图。如上所述，参数304的选择是用于处理和解释所获取的数据的重要步骤。以前，需要专家来选择适当的参数集合，但无法改进或加强参数选择过程。本发明的实施方案可分析训练数据库814中的先前项目数据，例如，以确定将要用于所选择的工作流程404或增强的工作流程830的参数集合。在实施方案中，用于解释参数预测的系统可包括存储在数据存储装置(诸如云数据存储装置106或数据存储装置212)中的解释历史信息集合1510。在特定实施方案中，解释历史信息集合1510可与训练数据库814结合或作为训练数据库814的一部分存储。对应于一个或多个先前解释项目1512的信息可存储在解释历史信息集合1510中。

在实施方案中，解释参数预测器1502(其可以是应用程序或软件定义模块、固件定义模块或独立硬件装置)可包括项目扫描仪1504、品质因数分配单元1506和参数预测器模块1508。

在实施方案中，项目扫描仪1504可以是或可包括抓取器(crawler)，其被配置来扫描和挖掘所存储的项目解释以提取导致结果的生成的各种解释动作。例如，项目可包括井筒项目信息。品质因数可由品质因数分配单元1506分配给每个解释动作/参数，偏爱导致结果的最终版本的解释动作/参数。当要执行新的解释时，参数预测器1508利用要进行的解释的地理、地层和/或任何其他相关元信息，以使用域特定权重和地理距离权重根据所记录的解释动作的加权平均值计算预测参数值。

在实施方案中，自动提出的解释值帮助并入先前解释项目1512中的知识，并且可用作新解释项目的指导。有利地，这种系统可减少解释回转时间，并且减少误差风险，并且在经验较少的地球科学家的情况下降低经验水平阈值。

在实施方案中，参数预测器1508可使用从来自项目扫描仪1504的解释项目1512导出的元数据，包括例如解释结果的名称、用户信息、地层信息、参数值、解释日期/时间、地理信息等。品质因数分配单元1506基于对所记录的迭代解释序列的分析(其中最新解释具有比初始解释迭代更大的值)、用于改善现有品质因数的用户驱动输入以及基于以下中的一个或多个为每个地层区提出新井筒解释参数的效用来将品质因数分配给每个历史解释条目：(1)新井筒的地理位置，(2)每个历史解释条目的质量权重，和(3)域特定权重。域特定权重可用于一些解释参数，其中地层和地理位置不足以驱动预测。为此，井元数据可以是评估历史解释条目的值的区分因素。例如，在用油型泥浆中钻探的井筒中，用于校正泥浆侵入的解释参数可能与用水基泥浆钻探的井筒无关。在实施方案中，可逐个参数地以及通过统计分析手动地定义域特定权重以确定哪个元数据可以是一些参数值的区分因数。

参数预测器1508使用针对在地理上接近要解释的新井的相同或类似地层层段偏爱高品质历史条目的算法来预测解释参数。定制权重可针对特定参数给予一些历史条目更多/更少权重。每个历史条目的品质可增加达到解释的最终版本。

自动提出的解释值帮助并入先前解释中的知识以用作新解释的指导。示例性益处包括减少解释回转时间和减少误差风险。

图16是示出用于解释参数预测的方法1600的实施方案的示意性流程图。在实施方案中，方法1600可包括扫描解释历史信息集合，所述解释历史信息集合包括与第一地质服务数据解释项目相关联的信息，如在框1602处所示。方法1600还可包括从解释历史信息集合提取解释元数据，如在框1604处所示。另外，方法1600可包括响应于元数据确定第二地质服务数据解释项目的解释设置，如在框1606处所示。

图17是示出用于增强地质服务表征过程的方法1700的实施方案。在实施方案中，方法1700包括从数据采集系统130接收测量结果，所述测量结果是响应于数据采集程序获取的，如在框1702处所示。而且，方法1700可包括在框1704处接收用于分析测量结果的工作流程、在框1706处接收用于分析测量结果的参数，以及在框1708处接收根据工作流程并响应于测量结果和参数生成的关注量。在实施方案中，方法1700还可包括将测量结果、工作流程、参数和关注量一起作为训练信息集合存储在训练数据库中，如在框1710处所示。方法1700还可包括使用训练信息集合执行机器学习过程以生成增强的地质服务表征过程，所述增强的地质服务表征过程包括增强的数据采集程序、增强的工作流程和增强的参数，在框1712处示出。而且，方法1700可包括响应于从数据采集系统130接收的增强的测量结果确定加强的关注量，所述增强的测量结果是响应于增强的数据采集程序获取的，所述加强的关注量是响应于增强的工作流程和增强的参数确定的，如在框1712处所示。

在实施方案中，增强的测量结果、增强的数据采集程序、增强的工作流程、增强的参数和加强的关注量中的至少一者被添加到训练信息集合。

本发明的实施方案已经被描述为特别有益于地质系统和服务。单独的方面和有序组合提供了独特且有所改进的解决方案来在工作流程中并入专家知识(在某一情况下自动并入)，以保留和应用所述知识，用于改进未来工作流程并且由经验不足的操作者应用。虽然已经针对地质系统和服务突出了这些益处，但是应理解，可从本发明的实施方案受益的另外的领域包括考古学、海洋生物学等。尽管本文描述的实施方案可用于这些许多地质领域中的任一者，但是本发明的实施方案主要参考石油服务进行描述。

还应理解，所描述的方法不能在精神上执行。例如，信息集合中提供的信息对于没有那些经历的用户来说是未知的。另外，信息可能具有不同的域、单位和格式，并且不能由人在任何合理的时间尺度上实际分析。此外，机器学习技术例如由专门编程的机器执行。

尽管参考特定实施方案描述了本发明，但是在不脱离本公开的范围的情况下可以进行各种修改和改变。因此，说明书和附图应被视为是说明性的而不是限制性的，并且所有此类修改意图包括在本公开的范围内。本文关于特定实施方案描述的问题的任何益处、优点或解决方案不意图被解释为任何或全部权利要求的关键的、所需的或必要的特征或元件。

除非另外指出，否则诸如“第一”和“第二”的术语用于在此类术语描述的元件之间进行任意辨别。因此，此类术语不一定旨在指示此类元件的时间优先次序或其他优先次序。术语“联接(coupled)”或“可操作地联接”被定义为连接(connected)，尽管不一定是直接连接，也不一定是机械连接。除非另外指出，否则术语“一个(“a”和“an”)”被定义为一个或多个。术语“包括(comprise)”(和任何形式的包括，诸如“comprises”和“comprising”)、“具有(have)”(和任何形式的具有，诸如“has”和“having”)、“包含(include)”(和任何形式的包含，诸如“includes”和“including”)和“含有(contain)”(和任何形式的含有，诸如“contains”和“containing”)是开放式连接动词。因此，“包括(comprises)”、“具有(has)”、“包含(includes)”或“含有(contains)”一个或多个元件的系统、装置或设备拥有这一个或多个元件，但不限于仅拥有这一个或多个元件。类似地，“包括(comprises)”、“具有(has)”、“包含(includes)”或“含有(contains)”一个或多个操作的方法或过程拥有这一个或多个操作，但不限于仅拥有这一个或多个操作。