关键词：非常规油气;低渗透油藏;工程技术;数据资产;数据收集;自然语言处理;修井;智能油田
摘 要：（目的意义）现有数据收集方法在弱规范、强专业词汇文档中产生误读导致收集准确度低、时间长，通过建立适合石油工程文档特点的快速准确的数据收集模型，解决数据收集准确度低、收集时间长的难题，为大数据计算提供数据基础。（方法过程）首先建立层次化结构词条，识别石油工程文档记录差异性；然后建立专业词汇词典，让计算机能够识别文档中石油工程的专业术语；最后，在自然语言模型基础上通过大量数据训练构建了Structure Petroleum Bidirectional Encoder Representation from Transformer（缩写，SPBERT）数据收集模型。实现导入修井相关的Word文档，模型便可自动输出文档中的数据及对应标签。（结果现象）将模型与现有的2种正则表达式方法和3种通用自然语言模型的准确性在长庆油田现场修井数据上对比验证，并统计模型收集数据所用时间。5种数据收集模型平均准确度为40.06%,SPBERT模型在修井数据收集中准确度为82.3%，相比平均准确度提高105.44%。每收集一组正确数据SPBERT模型收集时间为402 ms，相比其余模型平均收集时间554 ms，减少27.44%。（结论建议）SPBERT模型能以高准确度收集补充数据，模型收集时间短，可进一步增强自然语言模型的专业性，推进油田数智化建设。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取