《《油田信息化与大数据应用》课程教学大纲.docx》由会员分享，可在线阅读，更多相关《《油田信息化与大数据应用》课程教学大纲.docx（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、油田信息化与大数据应用教学大纲一、课程基本信息课程名称油田信息化与大数据应用Oilfield Informatization and Big Data Application课程编码SPE110921020开课院部石油工程学院课程团队（未设置）学分2.0课内学时32讲授32实验0上机0实践0课外学时32适用专业本研一体化班（石油工程类）授课语言中文先修课程程序设计（C）、油气井工程理论与进展（27）、采油工程设计与进展（2-1）、油藏工程设计与进展（2-1）课程简介 （限选）油田信息化与大数据应用是为石油工程专业本科生开设的应用类选修课。该课程以对油气田开采全过程理解为基础，以油气开采 信息化
2、及大数据方法为手段，以从数据层面发现问题、解决油气开采问题为目标，将油气田开发工程与数据科学紧密结合在一起。课程重 点讲授油气开采数据结构及采集、数据特征、数据处理方法、油田开发指标计算方法、数据统计分析、数据可视化、数据深层次应用模 型、算法以及相关应用场景和实例等。通过本课程的学习，学生能够了解油气田开发大数据发展趋势，掌握油气开发大数据特征及油气田 开发大数据多层次应用方法，具备从油气开采大数据中发现问题和解决问题的能力，能够利用大数据进行分析、优化、预警、诊断及解决 油气开采过程中其他问题。为学生毕业后从事数字油田、智能油田等相关工作准备必要的专业理论知识。“Oilfield info
3、rmatization and big data application is an application elective course for undergraduates majoring in petroleum engineering. This course is based on the understanding of the whole process of oil and gas exploitation, taking the informatization of oil and gas exploitation and the big data method as t
4、he means, and aiming at finding problems and solving oil and gas exploitation problems from the data level, closely integrate oil and gas field development engineering with data science. The course focuses on the data structure and collection of oil and gas exploitation, data characteristics, data p
5、rocessing methods, oil field development index calculation methods, data statistical analysis, data visualization, data deep application model, algorithms and related application scenarios and examples. Through the study of this course, students can understand the development trend of big data in oi
6、l and gas field development, master the characteristics of big data in oil and gas development and multi-level application methods of big data in oil and gas field development, have the ability to find and solve problems from the big data of oil and gas exploitation, and can use big data to analyze,
7、 optimize, warn, diagnose and solve other problems in the process of oil and gas exploitation. Prepare necessary professional theoretical knowledge for students to engage in digital oil fields, intelligent oil fields and other related work after graduation.负责人大纲执笔人审核人二、课程目标序号代号课程目标OBE毕业要求指标点任务自选1Ml目
8、标1 ：掌握数据方法与油气开采物理模型结合方法，能够将数据科学与油气采理论紧密结合并应用 到油气田开发实际问题中，实现研究问题、解决问题方法上的创新。是2M2目标2 ：掌握油田开发大数据特征、数据处理方法、生产指标的计算方法，关联规则分析、聚类分 析，能够根据数据变化规律发现生产问题，油气开采问题的解决提供依据。是3M3目标3：掌握分类、回归等大数据方法、模型的基本原理，各种方法的适用性，能够根据具体的开发 生产问题选择正确的方法及工具。是4M4目标4 ：掌握大数据方法的应用场景，既掌握油气开采理论，又懂数据科学，能够针对具体的问题从 数据的角度提出见解及思路。是三、课程内容序号章节号标题课程
9、内容/重难点支撑课 程目标课内 学时教学方式课外 学时课外环节10绪论工业物联网、油气开采信息化与大数据相关定义、任务、国内 外现状及在油气开采领域的应用前景。/1讲授02第一章油田信息化技术本章重点难点：油田信息化建设总体框/4/31. 1油田信息技术概述油田信息化的基本概念、技术及实现过程与方法/1讲授041.2数字油田发展历程 与主要技术数字油田基本概念及发展历程，实现的主要技术/1讲授0/51.3油田信息化建设总 体思路及实现方法信息化在建设油田开发中的总体框架设计，油田开发数据模型 实现过程、业务范围与信息流及在油田开发中的应用/1讲授0/61.4油田信息化发展及 展望描述信息化在油
10、田开发过程中的发展过程及宏伟蓝图。/1讲授07第二章油气开采大数据基 本概念本章重点难点：油气开采大数据构成，数据特征/3/82. 1油气开采大数据构 成及特征数据结构，油气开采静态数据，油气开采动态数据，数据属性 及特征/2讲授0/92.2油气开采大数据来 源及处理数据来源，数据清洗，数据融合及规则/1讲授0/10第三章油气生产特征参数 及计算方法本章重点难点：油气生产特征参数定义及处理、计算方法/4/113. 1采油生产特征参数 及计算方法油井运行，稠油热采，机采井能耗，宏观控制图/1讲授0/123.2采气生产特征参数 及计算方法气井运行，排水采气，隐患井、煤层气井及储气库井主要生产 特征
11、参数及计算方法/1讲授0/133.3注入生产特征参数及计算方法注水工艺、注化学剂、注气工艺、注汽工艺主要参数及计算方 法/1讲授0/143.4井下作业特征参数 及计算方法完井工艺、检换泵、措施工艺主要参数及计算方法M2, M31讲授0过程考核 大作业15第四章聚类及相关性分析 方法本章重点难点：聚类及相关性方法原理及用途/4/164. 1聚类方法K-means,基于密度的聚类算法，层次聚类/2讲授0/174.2相关性分析方法Pearson相关系数方法、Spearman等级相关系数法和Kendall 相关系数法，信息燧和互信息/2讲授0/18第五章分类与回归预测方 法本章重点难点：分类方法、预测
12、模型、结果检验/4/195. 1分类方法机器学习概述，k近邻，Bayes方法，SVM方法，决策树方法， 随机森林方法，分类结果检验/2讲授0/205.2回归预测基于时间序列预测模型、多参数预测方法、预测结果评价/2讲授0/21弟八早大数据可视化及应 用本章重点难点：等高线图、热力图及其叠加/4讲授0/226. 1常规数据可视化方管柱图，井身结构图，宏观控制图，曲线图，柱状图，饼图，/2讲授0/法雷达图，等236.2其他数据可视化方 法地图、等高线图、热力图及其叠加/2讲授0/24第七章数据挖掘算法实现工具本章重点难点：Python基础语法，Python库/5/257. 1Python基础Pyt
13、hon基础语法，数据类型，函数，模块/2讲授0/267.2Python 库Numpy库介绍，Pandas库介绍/2讲授0/277.3python集成开发 环境Pycharm介绍、安装及设置/1讲授0/28第八章大数据应用场景及 智能油田本章重点难点：大数据应用场景大数据与智能油田关系/3/298. 1大数据应用场景井下作业设计、智能注采、预见性维修、开发预警、闭环优 化、智能诊断/2讲授0/308.2智能油田智能油田概念及发展趋势Ml, M41讲授0期末考核 大作业四、考核方式序号考核环节操作细节总评占比1平时表现1、课堂回答问题以及讨论问题积极性等；2、根据参与讨论积极性、回答问题准确性评分
14、10%2过程考核 大作业1、利用信息技术工具和大数据方法建立简单模型，进行相关性分析、工况分析、诊断或者预警等；2、根据方法及模型 合理性评分40%3期末考核 大作业1、针对某一油气开采应用场景，给出总提解决方案；2、根据方案的完整性进行评分50%五、评分细则序号课程目标考核环节大致占比评分等级1Ml期末考核 大作业50%A, B, C, D, E = 90-100, 80-89, 70-79, 60-69, 0-592M2过程考核50%A, B, C, D, E = 90-100, 80-89, 70-79, 60-69, 0-59大作业3M3过程考核 大作业50%A, B, C, D, E
15、 = 90-100, 80-89, 70-79, 60-69, 0-594M4期末考核 大作业50%A, B, C, D, E = 90-100, 80-89, 70-79, 60-69, 0-59评分等级说明：A, B, C, D, E = 90-100, 80-89, 70-79, 60-69, 0-59; A, B, C, D = 90-100, 75-89, 60-74, 0-59; A, B, C = 90-100, 75-89, 60-74, 0-59; A, B = 80-100, 0-79六、教材与参考资料序号教学参考资料明细1图书1大数据技术及应用教程，李联宁，清华大学出版社，2016.2图书1石油工程大数据，檀朝东，中国石油大学出版社，2019.