油井作业施工总结审核系统是油田中校对施工总结内容的应用系统,该系统存储了大量的油田生产作业数据,完成审核的数据表明了在作业内容中曾经出现的错误。在这些不同层次的数据信息中隐藏着普遍错误的规律,通过将海量数据转换成可以利用的信息和知识,能够提高作业施工总结审核工作的效率和质量。我们把数据挖掘技术和智能计算领域的Multi-Agent技术结合应用于油井作业施工总结审核工作中,设计了基于Agent的油井作业施工总结智能分析系统。该系统克服了原系统工作效率低下、审核疏漏等较多问题。本文研究了油井作业施工总结智能分析系统的构建,通过探讨Multi-Agent技术和数据挖掘技术的结合应用,提出一种基于Multi-Agent技术的数据挖掘模型,以解决油井作业施工总结内容的智能分析问题。作为对数据挖掘模型的验证,介绍了供水公司水费收缴预警系统。传统的数据挖掘将整个挖掘过程分为几个必要的阶段,人工完成各个阶段的工作。智能Agent具有对外界环境的自适应能力、运用自身知识对问题进行处理的能力、自学习的能力和与外界协同工作的能力等特性。这些特性决定了建造Agent对于解决数据挖掘过程中“逻辑连续、物理中断”的问题是一条有潜力的途径。文中从Agent构造的角度描述了数据挖掘模型的组织和结构,对系统中的Agent进行了任务分配并且论述了Agent的业务功能和设计模式。多Agent协作的有效完成,依赖于交互协议的完善,论文中主要从协作机制和消息协议两方面对Agent协作工作进行了定义。通用部分-全局规划方法从整体上调整和规范Agent的任务协同,Agent间的消息传递通过扩展Agent通信语言KQML来实现,为了达到Agent之间数据挖掘工作的有效交流,系统在原有行为原语的基础上扩展了反映Agent意图和信念的执行原语,并对扩展原语作出了明确的语义分析。在数据挖掘过程中,论文提出了贪心网罗-最优竞争的挖掘模型建立方法。利用Agent的智能性,和自主性来实现系统自动寻找适合应用的挖掘模型的功能,为系统注入人性因素,从概念上丰富了数据挖掘模式的建立。