基于油氣地質知識的檔案資料搜索系統設計

文｜于 剛 劉 巍

（作者單位：中石油西南油氣田分公司檔案中心）

油氣地質資料中富含了實踐活動中獲得的階段性知識，盡快學習和掌握知識，無論對企業生產降本增效，還是科學研究創新，都極具價值。以油氣勘探開發知識來擴展檔案著錄項，實現自動著錄，用戶通過搜索系統對著錄信息進行組合檢索，可以極大提高利用的維度和范圍，使用戶體驗盡快得到改善。

一、地質資料檔案的價值和利用的挑戰

油氣企業在勘探開發生產、經營、科研過程中，會形成大量的地質資料檔案，忠實地大量記錄了企業活動、人員行為和油氣地質認識。經過長達數年甚至幾十年真金白銀的付出和積累，大量信息中富含了地質實踐活動中獲得的階段性知識，盡快學習和掌握知識，無論對企業生產降本增效，還是科學研究創新，都極具價值。

傳統以紙質檔案為主的印象還在大家的記憶深入駐留。近十年來，國家對檔案中電子文件的收集非常重視，油氣地質檔案中電子文件的數量已越來越齊全而龐大，而且通過歷年來的數字化工作，老舊資料的數字化率亦非常高，如中國石油數字檔案館于2020 年6 月完成竣工驗收，電子檔案的時代已悄然來臨。目前完全實現電子文件歸檔還有距離，但是油氣資料紙電文件同時歸檔已是普遍行為，大量歸檔的電子文件，將會為檔案利用產生新的機遇。

隨著數據時代的到來，各類結構化和非結構化數據開始裝載進各類數據庫中，人們使用各種技術手段去提取信息，在信息中歸納知識，用知識創新促進經濟生活增長，似乎檔案的價值開始松動、弱化。檔案的價值何在？這是一個問題，如果數據是一條大河川流不息，檔案就是河岸邊一座座堡壘，保存著某時段的有價值的數據記錄集合。它既是客觀數據，也是權威的主觀認知，是當時社會、經濟、科技的快照，守護著數據流向遠方，以后不管河流泛濫還是干枯，你總可以回到你關注的那個點，復原當時真實的工作場景和思想認知。油田地質資料中深藏的真知灼見、實踐經驗，對地質研究、油氣企業生產甚至國民經濟發展，都有著非常重要的影響。這是一個挑戰，又是一個機遇。檔案的價值不可否認，我們按照國家、企業有關規定的要求，將油氣地質資料收齊收全，保證資料權威性的前提下，按規定的格式和質量要求驗收，立足自有基石。

新時代，機器計算能力的提升，人們看待數據的視角更廣闊，處理手段更多樣化，傳統單一依靠著錄項來檢索資料的方式，已難以應對用戶需求的深刻變化，那通向未來之門在哪兒？進入了一個數據化、信息化、智能化的時代，人們要求準確快速獲取數據、信息、知識，而檢索油氣地質資料檔案中相關內容能力，必須與之匹配。

我們的用戶在哪？是些什么人？他們在想什么做什么，他們需要在檔案中得到什么，面向用戶，以獲得良好體驗的服務，才是我們新生之門。

從事油氣勘探開發的研究和工程技術人員是檔案借閱的最大用戶群，他們的目標是油氣地質和勘探開發技術。另一大群體是油氣企業的管理人員，他們的目標是油氣勘探開發的管理和經濟，例如地質技術人員想獲取在某個區域內所有油氣勘探開發檔案，又如地質技術人員想獲取記錄了某個區域內某個地層的油氣勘探開發檔案，又如工程技術人員想獲取記錄了某個區域內有油氣顯示的地層進行了試油氣的油氣勘探開發檔案，又如管理人員要獲取某個氣藏的勘探過程的檔案，還如要收集某級組織或每個人在一定時間段內的工作記錄的檔案，這些范圍更廣闊或者要求更細粒度的需求，確實是一個挑戰。

二、通過利用油氣地質知識擴展檔案著錄項

人工智能、知識學習、大數據、神經網絡一個個炫目的名詞不斷閃耀在我們的視界中，檔案在宏大的進程中有著不可替代的作用。由于花費巨大，目前一般單位很難實現全過程數據歸檔，檔案只是這個進程中非常關鍵的一部分，這非常考驗檔案管理者的定力，在按規范收全收齊歸檔資料的基礎上，快速將資料投放到用戶的應用場景中，實現更高效檔案利用才是當務之急。

長期以來，利用按類和著錄項實現檔案檢索是行之有效的辦法，從紙質目錄檢索到數據庫檢索，更快更準一直是我們的目標。目前國內各油氣公司地質資料檔案的著錄項，除公共著錄項，油氣勘探開發檔案專有著錄項也定義不少，在《中國石油檔案管理手冊》（2020 版）中就定義了井號、井別、井型、地區、工作區域等五十多項，而且在中國石油檔案系統中還可以自定義來擴展。在實際工作中，如果這么多項著錄，工作量會徒然增加，而且專有項著錄要查閱油氣專業資料，歸檔人員還要具備一定專業知識，所以專用項幾乎很難全面實際著錄，更別用說擴展了。另外即使可以擴展著錄項，也難以與用戶的需求相匹配，如我們著錄了完鉆層位，但用戶需要知道某個鉆遇層位，或者需要知道有油氣顯示的層位，這種因人而異、千變萬化的需求，我們傳統的工作方式很難適應。

檔案著錄，就是將歸檔資料的特征標示出來，利于管理和應用。但著錄項過多，歸檔人員和檔案管理更傾向于利用自己工作的項目，手工著錄，精力花費大而不靈活，不適應以滿足用戶良好體驗為服務目標的趨勢。

改善著錄，讓地質資料檔案的獨有和共性特征，能最大限度得到體現，獨有的特征可以幫助用戶及時找到個別資料，共性特征可以幫助用戶找到有關聯的資料集合，獨有特征有些是單獨的，更多是由多個特征共同表達出的，如張XX、XX 構造、XXXX 年、儲量報告，就能讓我們迅速找到由張XX 在XXXX 年參與編寫的XX 構造的那本儲量報告。

三、基于油氣地質知識的檔案資料搜索系統設計

首先要建立一套基本知識庫，這個知識庫由油氣地質知識、油氣鉆完井技術知識和員工信息構成，油氣地質知識包括井名、井別、井坐標、構造名、層位、巖性等，如層位，有以下字段：界、系統、統、組（階）、段、亞段，而段還應有以下子字段（過去名稱、現有名稱），但在實際工作中，我們主要使用組（階）、段來描述地層情況和油氣發現，所以在層位我們只保留組（階）、段的信息，如組（階）有“蓬萊組、遂寧組、沙溪廟組、涼高山組、自流井組”等。由于歷史上段名曾有不同命名，而自流井組的段有“過渡層、大安寨、馬鞍山、東岳廟、珍珠沖”；由于歷史上段名曾有不同命名，如“馬鞍山”就曾名為“自三”，所以保留過程名稱，有助于對歷史資料的搜索，這些段不管是過去名稱，還是現在名稱，都有代表符號，但代表符號在資料中由于上下數標等原因，在資料中使用不同方式處理，也不利于搜索，所以我們可以暫時舍棄。油氣鉆完井技術包括鉆頭類型及尺寸、套管類型及尺寸、鉆井液類型及密度、射孔方法及彈型；員工信息則有員工名、參加工作時間和現今狀態（在崗、已退休、不在崗），可以看到我們主要是依靠確定性、單值信息來增加著錄，改善利用體驗，對于連續值數據項，我們暫不考慮。這里有一個誤區我們需要澄清，以往通過著錄，我們希望更準備找到單一的檔案，但目前隨著生產、研究在更大范圍、更多緯度地對資料的需求，我們應該具備搜索一定范圍內或一定條件資料集的能力，用戶會根據自己的要求對結果集進行判斷。另外，多條件的自然邏輯選擇，也會極大降低我們的選擇復雜度，如我們的人名，其實重名的非常多，但如果人名和資料中的地質信息結合，由于在地質資料上有名有姓的企業職工不會太多，重名的情況就會大為降低。

在完成了基本知識庫以后，我們應將檔案系統地質資料的基本信息遷移到我們的綜合著錄信息庫中，基本信息包括資料題目、檔案號、現有著錄項等，然后用基本知識庫的各字段來擴展綜合著錄信息庫，這些知識庫擴展過來的字段，初始都賦為空值。

目前很多檔案系統都部署到了企業的云平臺上，地質資料的電子文件已作為檔案的附件上傳到云平臺中，這些電子文件作為被搜索的對象。完成基本知識庫和綜合著錄信息庫準備后，我們將編制一個自動著錄引擎，其工作原理是這樣的：將基本知識庫的字段作為關鍵字，利用全文檢索技術，在電子文件中進行搜索，如有匹配的，則將關鍵字存入對應文件的對應字段中，注意由檔案系統遷移過來的著錄項值已確定就不必進行搜索了。

基于油氣地質知識的檔案資料搜索系統，通過知識來擴展著錄項，可以極大提高用戶利用的維度和范圍，使用戶體驗得到改善，在投入成本和開發時間上，是比較現實的選擇，但隨著技術的發展和用戶要求更深入，這僅僅是開了一個頭，如大家可以看到我們對不是固有的確定數值的已有知識，幾乎都沒有進行著錄，如孔隙度著錄，由于同一資料中不同地層有不同的值，既要在資料中讀到孔隙度，又要與對應地層匹配上。目前實施的技術條件和硬件要求代價太大，當下我們采用以較小代價，選擇盡快進行推廣利用，改善用戶體驗的策略是符合實際的，從地質資料中語義識別出地質知識進行著錄是我們的最終目標，我們會追蹤技術發展，進行專題研究，在性價比可行的條件下，對系統進行迭代，在改善地質資料利用的路上，不斷前行。