摘 要：针对油田生产数据量大，处理效率低以及结果可靠性差等问题，以单井系统效率为研究对象，结合油田实际464口井的机采数据和预测预警数据利用工业生产大数据挖掘平台对影响单井系统效率的因素进行了分类与筛选，选取冲程、冲次、含水率等进行了挖掘分析，以期为油田实际开发提供了技术支持和依据。
　　关键词：大数据；系统效率；数据挖掘；抽油机
　　1 大数据挖掘工作
　　1.1 基础挖掘
　　通过单因素变量分析法进行对比分析，从而可以优选出某一特定参数比较合适的数值范围。从单井系统效率统计图中可以看到，单井系统效率在50%以上的抽油机只有5.82%，大多数的抽油机系统效率较低，需进行参数优化设计，从而提高单井系统效率。如图1所示
　　1.2 离散数据拟合
　　对大量离散的基础数据进行函数拟合，分析出这些数据的基本变化规律，为更好的进行参数优选提供技术支持和理论依据。
　　以464口井的含水率对单井系统效率的影响为例进行数据分析，所用拟合公式和拟合优度基本信息如表1所示。
　　1.3 高级挖掘
　　1.3.1 关联度对比分析
　　通过灰色关联的方法得出各个参数和单井系统效率之间的关联度，数据如表2所示。结果表明，单井系统效率不同，各个参数和单井系统效率的关联度也不同，而且关联度的大小顺序也可能发生变化。此外，从表2中还可以得知，含水率、冲程和冲次为单井系统效率的主要影响因素。
　　1.3.2 产量预测和
　　利用时序分析对抽油机日产量进行了阶段性的预测，如图2所示。
　　从图2中可以看到，在前面9个月的时间内，产量随时间的变化基本保持平稳；在后面一段时间油井产量开始出现一定的波动现象。如图中所示，蓝色曲线为历史数据曲线，红色曲线为预测数据曲线，因此我们可以对油井未来一段时间的常量进行预测，以分析产量的变化情况；同时，因此我们可以根据产量预测情况及时的根据实际需要做出相应的调整：即改变冲程、冲次、沉没度等参数组合以提高工作效率。
　　2 结论和建议
　　（1）工业生产大数据挖掘平台能够有效的对海量油田生产数据进行归类、分析处理，适用性相对较强，具有比较高的可靠性。
　　（2）通过关联度对比分析联，得到了各因素和单井系统效率之间的关联度大小，含水率、冲程和冲次为单井系统效率的主要影响因素；此外还可以用大数据挖掘平台进行各项参数的优化研究。
　　（3）利用大数据技术进行油田的智能分析，可以有效的提高数据处理的效率和精度，通过对该技术的推广和应用，能够有效的加快智能油田的建设。
　　参考文献
　　[1]李鑫，耿玉广，杨小平，等.以吨液百米举升耗电量为目标的大数据分析应用[J].石油钻采工艺，2015，37（4）：76-79.
　　[2]肖莉，杨传书，费海涛，等，关于石油工程信息化需求与建设策略的思考[J].石油钻探技术，2011，39（3）：81-85.
　　（作者单位：中国石油大学（北京）石油工程学院）