基于CBR的井下复杂情况与事故智能诊断和处理系统摘要：分析了传统的钻井事故诊断与处理专家系统的不足，根据钻井专家决策时的认知过程，基于实例推理技术开发了井下复杂情况与事故智能诊断和处理系统。该系统收集了各油田已发生的各种复杂的事故实例，具有自学习功能，能实现各种复杂情况与事故的诊断和处理，并提供完整的有关复杂事故预防和处理的知识手册，可为钻井专家、技术人员提供决策支持。对系统的总体结构、工作流程以及系统实现的主要技术包括实例表示、实例库组织、实例检索和自学习等进行了详细描述。关键词：复杂情况与事故；智能；诊断和处理；基于实例推理；实例检索：TP206.3文献标志码：A：1001-3695(2008)05-1446-04钻井是一项隐蔽的地下工程，存在着大量复杂和不确定的因素，采集和获取的信息往往是不精确的、模糊的、非数值化的，要根据这些信息快速、准确地对井下各种复杂情况与事故进行诊断和处理，传统的数值分析方法无能为力，必须运用人工智能方法进行智能决策。目前大多数智能诊断与处理系统是基于人工智能中规则推理的专家系统。这类系统将领域专家的经验知识抽象为if－then形式的规则，利用规则进行推理判断，其优点是知识表示形式简单、直观，推理过程易于形式化。但随着应用的不断深入以及问题的规模、复杂度的增加，其固有的缺点暴露出来[1]：a)当规则集的规则数量增多时，规则的一致性及完备性难以检验和保证；b)推理效率低下；c)不太符合人类的认知规律，过于强调专家知识的形式化和规则化。事实上，复杂情况与事故的诊断是多样、复杂和难以确定的，专家知识单靠规则表示难以形式化，因此存在知识获取?┢烤薄＊?在实际钻井中，对复杂情况与事故的诊断和处理，有经验的钻井专家通常是根据以往类似问题决策的经验和结果来解决当前所面临的问题。例如，当遇到新的钻井事故时，首先会联想以前处理过的与当前有相似情节的事故实例；然后取其成功或失败的经验来解决当前面临的新事故，由此高效地作出最佳决策。因此实例是专家决策的主要依据。当前人工智能领域新兴的一种推理技术――基于实例推理就是一种基于记忆、利用以往求解类似问题的实例或经验进行推理，从而获得当前问题求解结果的一种新的推理模式[2]。它符合钻井专家决策时的认知过程，反映了专家认知过程中根据过去的经验和方法进行推理求解，从失败和成功中进行学习的特征。它不是从头做起，因此可提高复杂问题的求解效率，非常适于求解钻井工程决策问题。为此，提出利用CBR技术开发井下复杂情况与事故智能诊断和处理系统。??1CBR系统的工作过程??当一个新问题需要解决时，CBR系统的工作流程（图1）如下：a)问题描述，将新问题按规定的实例表示方法描述成问题实例；b)实例检索,根据实例检索策略从实例库中检索出与当前问题最相似的旧实例；c)实例修正,如果旧实例和新问题完全匹配，则重用旧实例的解决方案作为新问题的解，否则需根据规则库中的领域知识及新问题的特点对此解决方案进行修正，得到更适合新问题的解；d)实例学习,将新问题及其解决方案形成新实例，并按学习策略添加到实例库中，从而实现系统的自学习功能。??2系统的总体结构与工作流程??本系统总体结构如图2所示，主要由10个功能模块以及相应的数据库、实例库、规则库、知识库组成。??其工作流程如下：??a）首先通过人机交互界面利用征兆提取器将所发生的复杂情况或事故征兆信息录入系统，并存入征兆数据库。??b）根据征兆信息、基础数据库中的钻井基本参数以及规则库中诊断规则，利用复杂与事故类型诊断模块进行推理诊断，诊断出所发生的复杂情况或事故属何种类型，如为粘吸卡钻。??c）根据实例库中现有的复杂情况或事故实例，通过智能决策分析模块并借助辅助计算模块对已诊断出的复杂情况或事故类型作进一步决策分析，得出其处理方案、预防措施及专家分析意见等，并将决策分析过程与结果存入动态数据库，以便以后复诊。??d）将分析结果通过结果输出模块生成Word文档，进行打印、预览或保存；同时将当前发生的复杂情况或事故通过实例学习模块进行自学习，形成新实例添加至实例库，以便丰富系统的决策经验。??e）当需要快速获...