★昆侖數(shù)智科技有限責(zé)任公司馬亮,翟登磊,張雅楠,韓宏志,宋子平
摘要:在當(dāng)前異常氣候及地質(zhì)災(zāi)害呈多發(fā)趨勢的情況下,為解決油氣田公司對油氣生產(chǎn)、運輸及存儲提出的更高安全要求問題,通過對應(yīng)用場景的地質(zhì)位移、土壤類別與含水量、管道應(yīng)力變化等參數(shù)建模,建立場景地質(zhì)態(tài)勢動態(tài)分析的研究體系與應(yīng)用系統(tǒng)成為緊迫性需求。本系統(tǒng)依托于位移監(jiān)測儀、傾角加速計、土壤含水率儀、裂縫計、振弦式應(yīng)變計等監(jiān)測設(shè)備及采集的實時數(shù)據(jù),基于遞歸神經(jīng)網(wǎng)絡(luò)技術(shù)創(chuàng)建專家知識庫體系,并在油氣運輸管道應(yīng)用獲得了圓滿成功,實現(xiàn)了對滑坡、落石、泥石流的有效預(yù)測。地質(zhì)監(jiān)測系統(tǒng)上線后,人工巡檢次數(shù)下降60%,并成功預(yù)測山體落石1次、泥石流1次,大幅降低了生產(chǎn)成本及經(jīng)濟損失,具備推廣價值。
關(guān)鍵詞:地質(zhì)監(jiān)測;滑坡;落石;泥石流;數(shù)據(jù)治理;知識庫
1 前言
隨著國家工業(yè)升級進程的加快,以及地貌的加速改變和地下油、氣、煤、水等資源開采量的上漲,增加了地質(zhì)災(zāi)害發(fā)生的概率與強度,這是各油氣公司面對的現(xiàn)實問題。為減少自然災(zāi)害造成的直接或間接損失,地質(zhì)監(jiān)測是油氣生產(chǎn)、運輸及存儲的必要環(huán)節(jié)。油氣公司大多采用人工巡檢方式,存在維護成本較高、信息反饋不及時、數(shù)據(jù)與經(jīng)驗積累不佳等問題。同時,隨著數(shù)字化建設(shè)的逐步完善,建立一套高效的地質(zhì)監(jiān)測應(yīng)用系統(tǒng),成為各油氣公司的緊迫性需求。
2 地質(zhì)監(jiān)測系統(tǒng)
本系統(tǒng)基于位移監(jiān)測儀、傾角加速計、土壤含水率儀、裂縫計、振弦式應(yīng)變計等監(jiān)測設(shè)備采集的實時數(shù)據(jù)作為數(shù)據(jù)源,基于數(shù)據(jù)實時計算與聚合算法去除數(shù)據(jù)雜點;基于灰色理論與數(shù)學(xué)算法完成基礎(chǔ)數(shù)據(jù)的等間隔處理;基于擬合算法構(gòu)建趨勢曲線,基于遞歸神經(jīng)網(wǎng)絡(luò)技術(shù)與LSTM算法創(chuàng)建地質(zhì)專家知識庫;基于多因子算法預(yù)測滑坡、落石及泥石流發(fā)生時間,為油氣生產(chǎn)、運輸及存儲保駕護航。
地質(zhì)監(jiān)測系統(tǒng)自成體系,具有高度靈活性,可作為獨立系統(tǒng)進行部署,也可通過自身API層或借助遵守AMQP協(xié)議的數(shù)據(jù)總線集成至已存在的生產(chǎn)場景子系統(tǒng)(生產(chǎn)網(wǎng))、生產(chǎn)管理與數(shù)字孿生(辦公網(wǎng))等第三方系統(tǒng)。
系統(tǒng)由接入層、應(yīng)用層、服務(wù)層、基礎(chǔ)層、數(shù)據(jù)層、設(shè)備層和采集層等七大部分組成,如圖1所示,其中基礎(chǔ)層、設(shè)備層和采集層為支撐系統(tǒng),可根據(jù)實際情況自主選擇進行部署。
圖1 地質(zhì)監(jiān)測系統(tǒng)的業(yè)務(wù)架構(gòu)
(1)接入層:針對客戶端、移動端分別提供專屬API,并對遵守AMQP協(xié)議的數(shù)據(jù)總線提供集成API,使系統(tǒng)可便捷接入第三方系統(tǒng)。接入過程中,特殊情況下存在定制開發(fā)的可能性。
(2)應(yīng)用層:為油氣公司生產(chǎn)網(wǎng)(勘探開發(fā)、油氣存儲、油氣管道)與辦公網(wǎng)(生產(chǎn)管理、數(shù)字孿生)提供場景化服務(wù),將傳統(tǒng)應(yīng)用容器化,構(gòu)建新型原生工業(yè)應(yīng)用。使用React、Antd、Xadmin框架技術(shù),支持WebGL、WebSocket底層應(yīng)用,使用H5、JS語言靈活構(gòu)建豐富的圖表與三維圖形,使前端展示立體而豐滿。
應(yīng)用層采用插件式開發(fā)框架,可快捷添加新應(yīng)用場景。
應(yīng)用管理系統(tǒng)為管理人員提供安全與權(quán)限、算法因子優(yōu)化、專家知識庫管理、服務(wù)穩(wěn)定性監(jiān)控、數(shù)據(jù)庫性能監(jiān)控、數(shù)據(jù)同步監(jiān)控、消息總線使用方接入與管理、報警管理等專業(yè)的、全面的管理體系,為系統(tǒng)的安全、高效使用保駕護航。
(3)服務(wù)層:融合人工智能、大數(shù)據(jù)算法、機器學(xué)習(xí)、數(shù)字孿生等高精尖計算機技術(shù),以微服務(wù)形式為應(yīng)用層提供認證與安全、數(shù)據(jù)治理、數(shù)據(jù)分析、報表、預(yù)警及算法等技術(shù)手段與能力。
數(shù)據(jù)同步服務(wù)提供同機房、跨機房數(shù)據(jù)同步服務(wù)。生產(chǎn)網(wǎng)與辦公網(wǎng)之間通過單向網(wǎng)閘或數(shù)據(jù)緩沖區(qū)機制保證數(shù)據(jù)向辦公網(wǎng)的單向流動,保證生產(chǎn)網(wǎng)的安全性。
數(shù)據(jù)檢索服務(wù)利用Redis、Elastic Search為其他服務(wù)與應(yīng)用層提供高效、安全的數(shù)據(jù)查詢服務(wù)。
數(shù)據(jù)總線服務(wù)是本系統(tǒng)最大的特點,可為系統(tǒng)的所有子系統(tǒng)提供數(shù)據(jù)共享支撐,并全面遵守AMQP協(xié)議,可使各系統(tǒng)之間完全解耦,有效避免代碼入侵,大幅降低各系統(tǒng)的后期維護與升級成本。
實時流計算服務(wù)是服務(wù)層的核心服務(wù)之一,根據(jù)業(yè)務(wù)計算指令或內(nèi)置計算規(guī)則,先后調(diào)用不同計算單元進行運算和統(tǒng)計。利用異步處理機制提升數(shù)據(jù)寫入的并發(fā)量,利用內(nèi)存數(shù)據(jù)庫、本地數(shù)據(jù)日志、定時回庫、數(shù)據(jù)召回機制保證數(shù)據(jù)的時序與安全。
(4)數(shù)據(jù)層:針對實時數(shù)據(jù)、非關(guān)系型數(shù)據(jù)、關(guān)系型數(shù)據(jù)及文檔數(shù)據(jù)采用不同的數(shù)據(jù)庫進行存儲,采用“一主多從”的數(shù)據(jù)庫架構(gòu)實現(xiàn)數(shù)據(jù)的讀寫分離,以滿足服務(wù)層高并發(fā)的性能要求。
同時,數(shù)據(jù)層擁有接收第三方系統(tǒng)自主推送(JSON)、定時拉取第三方數(shù)據(jù)庫數(shù)據(jù)的能力。
(5)基礎(chǔ)層:基于主流Docker、Kubernetes基礎(chǔ)框架對物理服務(wù)器進行云化處理,提供符合開發(fā)運維一體化(DevOps)要求的微型CI/CD自動化流水線(下載、編譯、打包、鏡像生成、鏡像倉庫管理),實現(xiàn)持續(xù)的自動化部署;支撐體系之一,可根據(jù)實際情況自主選擇進行部署。
(6)設(shè)備層:管理計算和儲存所需的物理機、網(wǎng)絡(luò)設(shè)備等基礎(chǔ)設(shè)施;支撐體系之一,可根據(jù)實際情況自主選擇進行部署。
(7)采集層:支持Modbus、OPC-UA、OPC-DA等主流物聯(lián)網(wǎng)協(xié)議;支撐體系之一,可根據(jù)實際情況自主選擇進行部署。
綜上所述,地質(zhì)監(jiān)測系統(tǒng)擁有強大的伸縮能力。在設(shè)計之初,既考慮了油氣田公司信息化建設(shè)過程積累了數(shù)量眾多統(tǒng)建與自建系統(tǒng)的現(xiàn)狀,也考慮了油氣田公司數(shù)字化、智能化的長遠發(fā)展需求。
3 采集數(shù)據(jù)處理
采集數(shù)據(jù)精度與預(yù)測和預(yù)報準(zhǔn)確度成正相關(guān)性。滑坡、落石、泥石流會受人類活動、降雨、地震等干擾因素的影響,采集的數(shù)據(jù)集是算法需要數(shù)據(jù)和干擾數(shù)據(jù)的總和。所以,使用數(shù)據(jù)集進行預(yù)測與預(yù)報時,往往需要對數(shù)據(jù)集進行必要的預(yù)處理[1]。
3.1減少數(shù)據(jù)雜點的影響
因為采集的數(shù)據(jù)集往往是算法預(yù)測模型和預(yù)報模型需要的數(shù)據(jù)和多種干擾數(shù)據(jù)的總和,所以當(dāng)干擾信息過大時,采集數(shù)據(jù)會形成一定數(shù)量的離散數(shù)據(jù)雜點。
采集的離散位移監(jiān)測數(shù)據(jù),可使用灰色理論中的累加生成方法進行預(yù)處理。經(jīng)過累加處理后,可以使離散數(shù)據(jù)雜點對數(shù)據(jù)集的擾動降至最低或消除,也可以加強數(shù)據(jù)集中的確定性數(shù)據(jù)。經(jīng)實踐證明,波動起伏曲線在經(jīng)過一定次數(shù)的累加處理后,將會變成光滑曲線。但是,并不是累加處理次數(shù)越多越好,一般對數(shù)據(jù)集進行1或2次累加處理即可[1]。
為了減少數(shù)據(jù)雜點對預(yù)報與預(yù)測的影響,系統(tǒng)采用二次累加生成。第一次累加在相鄰二次采集信息之間進行,由于時間間隔相對較短,相對于長期監(jiān)測可假設(shè)為線性增長,故可以將二次采集數(shù)據(jù)和時間進行累加后求平均值,減少高偏差雜點對整體數(shù)據(jù)的影響。第二次累加以小時為單位,將本小時內(nèi)數(shù)據(jù)再次求平均值,生成算法使用的原始數(shù)據(jù)。
3.2等間距處理及數(shù)據(jù)插值
地質(zhì)監(jiān)測設(shè)備常年置于人煙稀少地區(qū),公共電力無法觸達,電源一般采用小型光伏能源加電池蓄能的解決方案,監(jiān)測設(shè)備采用間歇休眠的作業(yè)方式減小對電能的消耗,從而造成采集數(shù)據(jù)的間隔不一致,進一步影響數(shù)據(jù)精度、處理及展示。
每生成一個算法使用的原始數(shù)據(jù)后,可根據(jù)需求用算法庫提供的線性、拋物線及拉格朗日多項式算法對數(shù)據(jù)進行以每小時為單位的等間隔數(shù)據(jù)插值處理,生成展示數(shù)據(jù)。
3.3剔除嚴(yán)重失真的原始數(shù)據(jù)
在進行等間距處理及數(shù)據(jù)插值時,偶發(fā)會出現(xiàn)曲線斜率(位移變化量/時間間隔量)為負值的情況,說明此點數(shù)據(jù)嚴(yán)重失真,可直接剔除。
數(shù)據(jù)剔除后,可利用剔除點前置1個數(shù)據(jù)和后置2個數(shù)據(jù),并使用拋物線算法進行再次插值,補全展示數(shù)據(jù)。
4 滑坡監(jiān)測
根據(jù)以往的滑坡研究理論和技術(shù)水平,如果在滑坡發(fā)展過程中能進行有效的實時監(jiān)測,則預(yù)報滑坡災(zāi)害發(fā)生的地點與時間是可能的[2]。
本系統(tǒng)利用位移監(jiān)測儀間歇對監(jiān)測點進行數(shù)據(jù)采集,并根據(jù)滑坡的特點,將滑坡的整個過程劃分為減速蠕變、均速蠕變、加速蠕變、異常蠕變四個階段。利用數(shù)據(jù)治理子系統(tǒng)與算法對監(jiān)測信息進行加工,生成每時、每天、每月報表數(shù)據(jù)并生成變化曲線,根據(jù)每天曲線的斜率變化判斷監(jiān)測點所處的滑坡階段。
根據(jù)每個滑坡階段的特征,利用灰色系統(tǒng)對監(jiān)測點進行長期、中期、短期的監(jiān)測,利用Verhulst灰色模型[3]對監(jiān)測點進行臨滑時間的預(yù)報,如表1所示。
表1 預(yù)測尺度/滑坡階段與周期對應(yīng)表
注:為了便于數(shù)據(jù)存儲與管理,一個片區(qū)包含若干監(jiān)測點,一個監(jiān)測點包含若干監(jiān)測設(shè)備。
5 專家知識庫
專家知識庫建設(shè)是地質(zhì)監(jiān)測系統(tǒng)研究與應(yīng)用的核心子系統(tǒng),其目的是將高等院校、地質(zhì)科研機構(gòu)的研究成果數(shù)字模型化,將巡線工人的工作經(jīng)驗參數(shù)化,并利用大數(shù)據(jù)、人工智能、機器學(xué)習(xí)技術(shù),根據(jù)現(xiàn)實情況對數(shù)字模型與參數(shù)實時調(diào)優(yōu),此過程需要長時間的規(guī)劃與持續(xù)累積。
專家知識庫利用時間遞歸神經(jīng)網(wǎng)絡(luò)LSTM模擬地質(zhì)專家的學(xué)習(xí)、知識、推論的決策過程與機制,有效解決了地質(zhì)監(jiān)測模型的長期性造成的高運算問題。在LSTM網(wǎng)絡(luò)應(yīng)用過程中,針對石油行業(yè)及地質(zhì)監(jiān)測的特點,我們對網(wǎng)絡(luò)中記憶細胞里的信息傳遞機制進行了針對性的優(yōu)化。
6 總結(jié)
(1)地質(zhì)監(jiān)測是石油行業(yè)的緊迫性需求,對油氣田公司的油氣生產(chǎn)、運輸及存儲的安全具有重大意義。
(2)利用多參數(shù)因子分析可對地質(zhì)進行長期、中期及短期監(jiān)測,利用人工智能、機器學(xué)習(xí)等技術(shù)手段與專家知識庫可預(yù)報滑坡臨滑時間、落石發(fā)生時間、泥石流發(fā)生時間,從而可滿足石油行業(yè)對地質(zhì)監(jiān)測的要求,可大幅減少自然災(zāi)害造成的經(jīng)濟損失。
作者簡介:
馬 亮(1972-),男,甘肅禮縣人,工程師,學(xué)士,現(xiàn)就職于昆侖數(shù)智科技有限責(zé)任公司,主要從事油氣企業(yè)數(shù)字化轉(zhuǎn)型、智能物聯(lián)網(wǎng)建設(shè)方面的研究。
翟登磊(1975-),男,山東鄆城人,學(xué)士,現(xiàn)就職于昆侖數(shù)智科技有限責(zé)任公司,主要從事項目調(diào)研、方案編制、方案匯報、項目實施及核心系統(tǒng)代碼編寫等工作。
張雅楠(1986-),男,河北張家口人,工程師,學(xué)士,現(xiàn)就職于昆侖數(shù)智科技有限責(zé)任公司,主要從事油氣物聯(lián)網(wǎng)相關(guān)科研及產(chǎn)品推廣工作。
韓宏志(1982-),男,黑龍江齊齊哈爾人,助理工程師,學(xué)士,現(xiàn)就職于昆侖數(shù)智科技有限責(zé)任公司,主要從事石油行業(yè)數(shù)字化轉(zhuǎn)型咨詢及項目管理工作。
宋子平(1998-),女,河北平泉人,助理工程師,碩士,現(xiàn)就職于昆侖數(shù)智科技有限責(zé)任公司,主要從事油氣物聯(lián)網(wǎng)咨詢顧問工作。
參考文獻:
[1] 李秀珍. 滑坡災(zāi)害的時間預(yù)測預(yù)報研究[D]. 成都: 成都理工大學(xué), 2004 : 11 - 17.
[2] 李雪菱. 坡面土壤含水量對滑坡的影響研究[D]. 長沙: 湖南師范大學(xué), 2017 : 2 - 11.
[3] 殷坤龍. 滑坡災(zāi)害預(yù)測預(yù)報[M]. 武漢: 中國地質(zhì)大學(xué)出版社, 2004 : 59 - 68.
摘自《自動化博覽》2023年5月刊