油田开发数据质量保障体系研究与实现

发布时间：2017-08-15 03:14

  本文关键词：油田开发数据质量保障体系研究与实现

  更多相关文章： 油田开发数据 数据质量保障 数据质量约束规则 数据质量校验规则

【摘要】：数据是信息的载体,数据质量的好坏会对企业的日常决策及数据的应用效果产生很大的影响。目前各油田公司的数据库建设均已取得一定的进展,依靠数据库本身的约束性和相关的应用程序保证数据的质量。但是这些进展在实际的应用过程中仍然表现出很大的不足之处,如在数据量大、历史数据比较多的情况下,依靠数据库本身的约束性会导致数据的插入操作无法进行等。各油田公司为了确保大量数据可以插入数据库,就只能牺牲数据库本身带有的约束功能,导致其约束作用无法施展,大量的错误数据依旧存在油田开发数据库中。由此可以看出,目前油田公司急需一套对数据质量问题进行检查和控制的系统。本文以油田采油厂的“采油厂数据库质量控制系统研究”项目为工程背景,用DAIC(Define-Assess-Improve-Control)质量控制方法定义整个数据质量保障体系,并进行相应的设计与实现。首先对数据库中存在的数据质量问题和产生数据质量问题的原因进行分析,定义四类数据质量校验规则,包括准确性和完整性数据校验规则等,以及十一个维度的数据质量约束规则,包括值域约束和数据项约束规则等。其中,四类数据质量校验规则的作用是对数据的总体质量情况进行分类描述,而数据质量约束规则的作用是能够对数据管理领域的业务规则进行准确描述。其次对数据质量相关元模型、数据质量评估校验算法和流程进行设计,构建完整的数据质量校验体系,能够对数据库里的全部或者个别数据的质量现状进行准确的校验。最后设计了数据质量校验结果展示、数据预警、角色管理和过程管理等模块,以确保数据质量保障系统可以直观地展示数据评估校验结果,并实现对企业的数据管理人员角色和工作的合理分工,最终使得企业数据管理相关部门,可以获得对自己公司内部数据情况更加准确、及时的评价。该数据质量保障系统的开发主要依据油田开发数据的实际情况和需求,目前已经投入使用。对油田开发数据质量的改善起到了很大的帮助作用,保证在每天处理大量数据的过程中,仍然保持稳定的运行情况。
【关键词】：油田开发数据 数据质量保障 数据质量约束规则 数据质量校验规则
【学位授予单位】：东北石油大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TE319;TP311.52
【目录】：

• 摘要4-5
• ABSTRACT5-9
• 第一章 绪论9-15
• 1.1 研究背景9
• 1.2 研究目的及意义9-10
• 1.3 国内外相关领域研究现状10-14
• 1.3.1 数据质量框架模型10-12
• 1.3.2 元数据技术12-14
• 1.4 研究内容14
• 1.5 本章小结14-15
• 第二章 数据质量的基本理论及技术基础15-22
• 2.1 数据质量定义15-16
• 2.2 DAIC质量保障方法16-18
• 2.3 数据质量改善技术及工具18-20
• 2.3.1 数据质量改善技术18-19
• 2.3.2 数据质量改善工具19-20
• 2.4 数据质量控制方法20-21
• 2.5 本章小结21-22
• 第三章 油田开发数据模型及系统需求分析22-29
• 3.1 油田开发数据模型22-23
• 3.2 油田开发数据质量问题分类23-25
• 3.3 油田开发数据质量问题来源分析25-27
• 3.4 油田开发数据质量保障系统功能需求27-28
• 3.5 本章小结28-29
• 第四章 油田开发数据质量保障体系设计29-48
• 4.1 数据质量保障基本原则29-30
• 4.2 数据质量保障系统设计目标和思想30
• 4.3 数据质量保障体系架构设计30-32
• 4.4 基于DAIC质量保障方法的数据质量保障体系设计32-46
• 4.4.1 定义（Define）阶段设计32-36
• 4.4.2 评估（Assess）阶段设计36-41
• 4.4.3 改善（Improve）阶段设计41-43
• 4.4.4 控制（Control）阶段设计43-46
• 4.5 本章小结46-48
• 第五章 油田开发数据质量保障体系应用实例48-60
• 5.1 油田开发数据质量保障体系功能模块图48
• 5.2 油田开发数据质量保障体系功能类图48-49
• 5.3 数据质量保障体系功能实现49-58
• 5.3.1 数据字典管理模块实现49-50
• 5.3.2 数据质量规则管理模块实现50-53
• 5.3.3 数据校验模块实现53-55
• 5.3.4 数据预警模块实现55-56
• 5.3.5 用户角色管理模块实现56-57
• 5.3.6 过程管理模块实现57-58
• 5.4 油田开发数据质量保障体系的实际应用情况58-59
• 5.5 本章小结59-60
• 结论60-61
• 参考文献61-64
• 致谢64-65

【相似文献】

中国期刊全文数据库 前10条

1 吴冬秀;宋创业;韦文珊;张琳;;生态系统长期监测数据的质量维度研究[J];科研信息化技术与应用;2012年02期

2 孙珀;;谈采油厂数据质量的控制与管理[J];石油工业技术监督;2006年06期

3 刘英;陈思磷;杨丽;;智能化数据质量监督控制配套技术——以钻井、录井数据为例[J];数字石油和化工;2009年10期

4 张尊和,孟鲁闽;GIS数据质量及标志[J];西安科技学院学报;2004年01期

5 伍建军;任子叶;;复杂矿冶设备群监测与故障诊断数据质量保障的控制研究[J];矿山机械;2009年16期

6 崔丽;庞秋昕;;浅析矿山GIS数据质量及控制[J];矿业工程;2009年02期

7 夏卫星;王谦;李大宁;;浅谈废气监测的数据质量保证[J];环境科学导刊;2009年03期

8 刘文宝,卢秀山,徐泮林;测量误差理论与矿山GIS数据质量的当代发展[J];矿山测量;1999年03期

9 袁满;张磊;;数据质量多属性加权评价算法[J];齐齐哈尔大学学报(自然科学版);2010年01期

10 许立伟;;油田开发数据质量的流程化控制研究[J];中国石油和化工标准与质量;2014年06期

中国重要会议论文全文数据库 前10条

1 郑华;;基于数据世系的数据质量评估框架[A];广西计算机学会2010年学术年会论文集[C];2010年

2 陈翼;;数据质量理论与高校信息化应用建设探索[A];中国高等教育学会教育信息化分会第十次学术年会论文集[C];2010年

3 卢来发;王树理;;影响数据质量的因素分析及对策[A];山西省第七次统计科学讨论会论文集[C];2003年

4 王华;;利用抽样调查评估普查数据质量的理论初探[A];北京市第十三次统计科学讨论会论文选编[C];2006年

5 刘慧;蔡青;刘敏;;基于Vague集的数据质量综合评估方法[A];第十二届中国管理科学学术年会论文集[C];2010年

6 侯培庄;;确保CUJA质量的几点建议[A];外向型文献库的数据质量控制——首届CUJA系统学术讨论会论文集[C];1990年

7 顾彬;王彦敏;卢刚;;大比例尺DLG数据质量检查方法研究[A];江苏省测绘学会2009年学术年会论文集[C];2009年

8 钱闯;刘晖;张红娟;;Trimble BD970 OEM板数据获取与质量分析[A];第三届中国卫星导航学术年会电子文集——S08卫星导航模型与方法[C];2012年

9 李斌;;对CUJA数据质量及系统软件的几点建议[A];外向型文献库的数据质量控制——首届CUJA系统学术讨论会论文集[C];1990年

10 汪锡锟;;大型普查的组织工作研究[A];北京市第十三次统计科学讨论会论文选编[C];2006年

中国重要报纸全文数据库 前10条

1 白春华;丰宁国税不断提高征管数据质量[N];承德日报;2008年

2 ;采取多种举措确保数据质量[N];郑州日报;2009年

3 李艳;华宁确保经普数据质量[N];玉溪日报;2009年

4 乔希萍;提高数据质量 提升统计能力为科学发展提供有力的统计 保障[N];济南日报;2009年

5 ;数据质量市场仍有很大挖潜空间[N];网络世界;2009年

6 孙洪辉　涂辉荣 肖小群;诏安重视数据质量建设[N];中国工商报;2010年

7 李明湘　段钟张;荆州数据质量建设步入“四化”轨道[N];中国工商报;2010年

8 通讯员 周明君 洪炜勋;宁陕统计局“五字”原则保数据质量[N];安康日报;2011年

9 郑卫青;让数据不再掣肘公司经营[N];中国保险报;2011年

10 杨克;内江推进办案数据质量建设[N];中国工商报;2011年

中国硕士学位论文全文数据库 前10条

1 于天娇;基于元数据的银行数据质量管理技术研究[D];浙江大学;2015年

2 段宗然;利用Benford法则研究农林牧渔产值数据质量的可靠性[D];燕山大学;2015年

3 熊晟;知识库质量控制平台的设计与实现[D];北京交通大学;2016年

4 惠晓庆;河南省艾滋病防治项目地区人群调查与体检数据质量评价[D];郑州大学;2016年

5 战蒙蒙;油田开发数据质量保障体系研究与实现[D];东北石油大学;2016年

6 张清亮;川环公司ERP系统数据质量问题的研究[D];兰州大学;2014年

7 吴帅帅;证券风险监控系统中数据质量检测系统的设计与实现[D];安徽大学;2015年

8 齐艺兰;ERP系统的数据质量评价研究[D];西安电子科技大学;2014年

9 刘海萌;基于多维评估方法的工业增加值数据质量评估研究[D];湖南大学;2014年

10 凌云;数据质量评估方法研究[D];四川师范大学;2015年

，

本文编号：675993