CN106127606A - 一种勘探开发项目中油气指标数据的处理方法和装置 - Google Patents

Abstract

本申请实施例提供一种勘探开发项目中油气指标数据的处理方法和装置。该方法包括：对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据；获取预设数量的待评估项目的标准油气指标数据；然后，进行相应的标准归一化处理，得到标准归一化油气指标数据；基于逼近理想解法计算得到垂直距离；基于灰色关联分析法计算得到关联度；根据关联度和预设的综合权重数据计算得到加权关联度；根据加权关联度和垂直距离计算得到待评估项目和预设参考项目之间的贴近度数据。利用本申请实施例提供的技术方案可以解决现有技术中油气指标数据存在的不全面，以及各油气指标数据的权重不能有效反映油气指标数据的重要程度等问题。

Description

一种勘探开发项目中油气指标数据的处理方法和装置

技术领域

本发明涉及油气勘探技术领域，尤其涉及一种勘探开发项目中油气指标数据的处理方法和装置。

背景技术

随着油气勘探的发展，油气勘探开发项目的运营管理面临巨大挑战：勘探开发项目难获商业发现、已开发油田高含水期生产困境、资源国政局动荡、财税政策变化、油气合作模式转变等，导致项目盈利能力下降。油气勘探开发过程中油气成藏条件、资源量或储量、产能、成本以及基础设施老化、勘探成功率等技术成本方面，资产有效性、获取许可证或签约的难易程度(与投产时间密切相关)、作业环境、商业环境、公司综合实力、行业接纳程度、货币化风险、政治/财税风险、交易可能性等油气指标数据可以充分体现油气勘探开发项目的潜力与风险，以及桶油净利润、投资回收期等关键经济指标。因此，对油气勘探开发项目中的油气指标数据进行有效的处理，可以为油气勘探开发项目的评估提供数据支持，进而可以预先剔除风险高、收益小的不良项目，确保项目的安全性和盈利性。

目前的勘探开发项目中油气指标数据的处理方法中常用的方法可以包括：模糊理论法、灰色理论数学分级法、粗糙集、信息熵等。然而，灰色理论数学分级法也容易受人为主观因素影响；粗糙集算法太复杂，且在评价过程中会具有一定程度的不确定性和主观性；信息熵对样本的依赖性较大；鉴于油气勘探开发项目影响因素复杂、油气指标数据等的不确定性，模糊理论具有显著的优越性，最常用的模糊理论可以包括灰色关联分析法(GreyRelational Analysis,GRA)，灰色关联分析法是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列(参考油气指标数据对应的数据列)和若干个比较数据列(待评估项目的油气指标数据对应的数据列)的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度。但在利用灰色关联分析法对勘探开发项目中油气指标数据进行处理时，存在表征油气勘探开发项目的油气指标数据不够全面，以及各油气指标数据的权重不能全面反映油气指标数据的重要程度等问题。

因此，现有技术亟需一种勘探开发项目中油气指标数据的处理方法，可以有效的对油气勘探开发项目中的油气指标数据进行处理，解决油气指标数据存在的不全面，以及各油气指标数据的权重不能有效反映油气指标数据的重要程度等问题；后续，可以为油气勘探开发项目的评估提供数据支持，进而可以预先剔除风险高、收益小的不良项目，确保项目的安全性和盈利性。

发明内容

本申请的目的是提供一种勘探开发项目中油气指标数据的处理方法和装置，可以有效的对油气勘探开发项目中的油气指标数据进行处理，解决油气指标数据存在的不全面，以及各油气指标数据的权重不能有效反映油气指标数据的重要程度等问题；后续，可以为油气勘探开发项目的评估提供数据支持，进而可以预先剔除风险高、收益小的不良项目，确保项目的安全性和盈利性。

本申请提供的勘探开发项目中油气指标数据的处理方法和装置是这样实现的：

一种勘探开发项目中油气指标数据的处理方法，所述方法包括：

对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据；

获取预设数量的待评估项目的标准油气指标数据；

根据所述待评估项目的标准油气指标数据的类型对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据；

基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离；

基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度；

将所述关联度和预设的与所述标准归一化油气指标数据相对应的综合权重数据分别进行计算，得到相应的待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度；

根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据。

一种勘探开发项目中油气指标数据的处理装置，所述装置包括：

第一数据处理模块，用于对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据；

数据获取模块，用于获取预设数量的待评估项目的标准油气指标数据；

标准归一化处理模块，用于根据所述待评估项目的标准油气指标数据的类型对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据；

垂直距离计算模块，用于基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离；

关联度计算模块，用于基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度；

加权关联度计算模块，用于将所述关联度和预设的与所述标准归一化油气指标数据相对应的综合权重数据分别进行计算，得到相应的待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度；

贴近度数据计算模块，用于根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据。

本申请通过对样本油气指标数据进行分级和派生参数删除处理，可以保证得到的标准油气指标数据的全面性，且解决信息重叠、相似性问题，大大减少计算工作量，提高计算的准确性。接着，在获取预设数量的待评估项目的标准油气指标数据之后，根据类型的不同对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据；在对所述标准归一化油气指标数据处理的过程中，基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离，在灰色关联分析法中以逼近理想解法中的理想解和负理想解作为参考数据列，计算得到待评估项目与参考项目之间的关联度；既可以反映待评估项目与参考项目在曲线形状上的一致性，又可以体现待评估项目与参考项目在位置上的一致性。同时引入可以结合客观技术因素和主观因素的综合权重数据计算得到加权关联度，最后，根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据；通过所述贴近度数据可以有效反映待评估项目的优劣程度。与现有技术相比，利用本申请提供的技术方案可以有效的对油气勘探开发项目中的油气指标数据进行处理，解决油气指标数据存在的不全面，以及各油气指标数据的权重不能有效反映油气指标数据的重要程度等问题；后续，可以为油气勘探开发项目的评估提供数据支持，进而可以预先剔除风险高、收益小的不良项目，确保项目的安全性和盈利性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请提供的勘探开发项目中油气指标数据的处理方法的一种实施例的流程图；

图2是本申请提供的派生参数删除处理后的相似性矩阵的一种实施例的示意图；

图3是本申请提供的获取预设的与所述标准归一化油气指标数据相对应的综合权重数据的一种实施例的流程示意图；

图4是本申请提供的与标准归一化油气指标数据相对应的主观权重数据、客观权重数据以及综合权重数据的一种示意图；

图5本申请提供的所述5个待评估项目与相应的参考项目的地上综合指标数据和地下综合指标数据波士顿比较图；

图6是本申请提供的所述第一数据获取模块的一种实施例的结构示意图。

具体实施方式

为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

下面以几个具体的例子详细说明本申请实施例的具体实现。

以下首先介绍本申请一种勘探开发项目中油气指标数据的处理方法的一种实施例。图1是本申请提供的勘探开发项目中油气指标数据的处理方法的一种实施例的流程图，本申请提供了如实施例或流程图所述的方法操作步骤，但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式，不代表唯一的执行顺序。在实际中的系统或客户端产品执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图1所示，所述方法可以包括：

S110：对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据。

本申请实施例中，可以对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据。具体的，所述样本油气指标数据可以包括通过某段时间内对实际油气勘探开发项目中的数据通过分析项目技术、成本等客观因素，商业、策略风险等主观因素，结合项目实施人员及专家的意见，确定的可以充分体现油气勘探开发项目的潜力与风险，以及桶油净利润、投资回收期等关键经济指标的油气指标数据。

在一个具体的实施例中，所述样本油气指标数据可以包括盆地成藏条件数据、剩余储量、远景资源量、油气产量、全勘探周期成本、进入成本、开发建设成本、生产运营成本、收购价格、基础设施质量数据、弃置费用、勘探开发潜力数据、商业发现成功率、资产有效性数据、作业自然环境数据、商业运营环境数据、竞争优势或劣势数据、战略提升空间数据、政治/财税风险数据、货币化风险数据、公司参与程度数据、行业接纳程度数据、政府对交易态度数据、交易可能性数据、桶油净利润和投资回收期等油气指标数据。

具体的，所述对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据可以包括：

根据所述样本油气指标数据的类型对所述样本油气指标数据进行分级处理，得到分级处理后的油气指标数据；

采用相关系数的判定准则对所述分级处理后的油气指标数据进行派生参数删除处理，得到标准油气指标数据。

在实际应用中，油气勘探开发项目中油气指标数据的类型包括定性类型、定量类型。

定性类型的油气指标数据一般具有模糊性、不确定性等特点；具体的，例如上述的盆地成藏条件数据、基础设施质量数据、资产有效性数据、作业自然环境数据以及商业运营环境数据等油气指标数据。

定量类型的油气指标数据一般具有确定性的特点。具体的，所述定量类型的油气指标数据可以包括正影响趋势定量类型的油气指标数据和负影响趋势定量类型的油气指标数据。一般的，所述正影响趋势定量类型的油气指标数据的数值与油气勘探开发项目优劣性成正比，即油气指标数据的数值越大，油气勘探开发项目越优；反之，所述负影响趋势定量类型的油气指标数据的数值与油气勘探开发项目优劣性成反比，即油气指标数据的数值越小，油气勘探开发项目越优。例如上述的剩余储量、远景资源量和油气产量等油气指标数据可以为正影响趋势定量类型的油气指标数据；上述的全勘探周期成本、进入成本和开发建设成本等油气指标数据可以为负影响趋势定量类型的油气指标数据。

本申请实施例中根据所述样本油气指标数据的类型对所述样本油气指标数据进行分级处理，得到分级处理后的勘探开发项目中油气指标数据的处理过程中，对于定性类型的油气指标数据，可以预先设置评语集，具体的例如盆地成藏条件数据可以设置为“好”、“较好”、“中等”、“较差”、“差”5个等级，后续，可以为每个等级的评语设置相应的数值，比如依次为：1(好)、0.8(较好)、0.6(中等)、0.4(较差)、0.2(差)。具体的，本申请实施例所述预先设置评语集和相应的数值并不仅限于上式形式，实际应用中，还可以结合实际应用情况包括其他形式，本申请实施例并不以此为限。对于定量类型的油气指标数据，可以对以往实际油气勘探开发项目的数据进行概率分布规律的分析处理，具体的，可以确定油气指标数据的概率分布曲线，根据概率分布曲线的拐点等形态特征井油气指标数据的分级处理。具体的，如表1所示，表1是本申请提供的油气指标数据等级划分及分级范围的一种示例。

表1

在实际应用中，上述油气指标数据会出现信息重叠、部分油气指标数据在数据结构上具有某种相似性。这种相似的油气指标数据的出现，不仅会造成计算工作量的增加，而且会干扰统计结果的准确性。因此，在得到分级处理后的油气指标数据之后，可以采用相关系数的判定准则对所述分级处理后的油气指标数据进行派生参数删除处理，得到具有较好的独立性的标准油气指标数据。在一个具体的实施例中，所述派生参数删除处理可以包括以Pearson相关系数为距离，采用SPSS统计分析软件进行距离分析，得到相似性矩阵，将相似性大于预设相似性阀值的油气指标数据删除。在一个具体的实施例中，结合上述表1，假设预设相似性阀值为0.8，如图2所示，图2是本申请提供的派生参数删除处理后的相似性矩阵的一种实施例的示意图；从图中可见，需要删除的油气指标数据包括：盆地成藏条件数据(P1)、全勘探周期成本(P5)、弃置费用(P11)、勘探开发潜力数据(P12)、战略提升空间数据(P18)、公司参与程度数据(P21)、行业接纳程度数据(P22)、政府对交易态度数据(P23)。

由以上本申请提供的实施例可见，本申请所述标准油气指标数据可以包括但并不限于剩余储量、远景资源量、油气产量、进入成本、开发建设成本、生产运营成本、收购价格、基础设施质量数据、商业发现成功率、资产有效性数据、作业自然环境数据、商业运营环境数据、竞争优势或劣势数据、政治/财税风险数据、货币化风险数据、交易可能性数据、桶油净利润和投资回收期。所述经过分级和派生参数删除处理标准油气指标数据可以在保证数据的全面性的基础上，排除信息重叠、相似性问题，大大减少计算工作量，提高计算的准确性。

S120：获取预设数量的待评估项目的标准油气指标数据。

本申请实施例中，在确定标准油气指标数据之后，可以获取预设数量的待评估项目的标准油气指标数据。所述待评估项目可以包括待评估的已开发的油气勘探开发项目和待开发的油气勘探开发项目。

S130：根据所述待评估项目的标准油气指标数据的类型对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据。

在实际应用中，定量类型的标准油气指标数据一般存在量纲和数量级不一致，难以直接进行比较。因此，为例便于统一综合评价，需要采用合适的标准归一化处理方法对标准油气指标数据进行处理，将定量类型的标准油气指标数据转化为统一的度量值，以尽可能的消除原始量纲不一致的问题。同时，定性类型的标准油气指标数据是评语集，因此，需要将定性类型的标准油气指标数据转换成0至1之间的具体数值。因此，本申请实施例中，在步骤S120获取预设数量的待评估项目的标准油气指标数据之后，可以根据所述待评估项目的标准油气指标数据的类型对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据。具体的，可以包括：

确定所述待评估项目的标准油气指标数据的类型；

当所述待评估项目的标准油气指标数据的类型为正影响趋势定量类型时，利用第一预设归一化公式对所述标准油气指标数据进行标准归一化处理，得到正影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；

当所述待评估项目的标准油气指标数据的类型为负影响趋势定量类型时，利用第二预设归一化公式对所述标准油气指标数据进行标准归一化处理，得到负影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；

当所述待评估项目的标准油气指标数据的类型为定性类型时，根据所述标准油气指标数据对应的预设分级数据确定所述标准油气指标数据对应的级别，结合第三预设归一化公式计算得到所述级别的标准油气指标数据的标准归一化油气指标数据。

具体的，所述第一预设归一化公式可以如下：

$z_{{\mathrm{ij}}_1}^{+}=\frac{x_{{\mathrm{ij}}_1}^{+}}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(x_{{\mathrm{ij}}_1}^{+}\right)}^2}}$

上式中，表示第i个待评估项目的第j₁项正影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；表示第i个待评估项目的第j₁项正影响趋势定量类型标准油气指标数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j₁表示待评估项目的标准油气指标数据中正影响趋势定量类型的标准油气指标数据的数量；j₁＝1...m₁；m₁表示待评估项目的标准油气指标数据中正影响趋势定量类型的标准油气指标数据的总数量。

具体的，所述第二预设归一化公式可以如下：

$z_{{\mathrm{ij}}_2}^{-}=\frac{1/x_{{\mathrm{ij}}_2}^{-}}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(\mathrm{1/}{x}_{{\mathrm{ij}}_2}^{-}\right)}^2}}$

上式中，表示第i个待评估项目的第j₂项负影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；表示第i个待评估项目的第j₂项负影响趋势定量类型标准油气指标数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j₂表示待评估项目的标准油气指标数据中负影响趋势定量类型的标准油气指标数据的数量，j₂＝1...m₂；m₂表示待评估项目的标准油气指标数据中负影响趋势定量类型的标准油气指标数据的总数量。

具体的，所述第三预设归一化公式可以如下：

$r_i=1-\frac{i-1}{q-1}\·(1-\mathrm{\σ})$

上式中，r_i表示第i级别的标准油气指标数据的标准归一化油气指标数据，i＝1...q；q表示所述标准油气指标数据的级别数量；σ表示预设最小标准归一化油气指标数据，0＜σ＜0.8。

S140：基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离。

本申请实施例中，在步骤S130得到标准归一化油气指标数据之后，可以基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离。

具体的，所述标准归一化油气指标数据对应的数据列可以包括根据所述准归一化油气指标数据确定的数据列。所述与预设参考项目的参考油气指标数据对应的理想解可以包括根据预设参考项目的参考油气指标数据确定的数据列。所述与预设参考项目的参考油气指标数据对应的负理想解可以包括根据所述理想解结合相应的加权决策矩阵计算得到的数据列。所述与预设参考项目的参考油气指标数据可以包括预先获取安全性高、收益高、低风险优质油气勘探开发项目的相关油气指标数据。

具体的，所述基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离可以包括采用下述公式：

${d_i}^{+}=\underset{i=1}{\overset{n}{\Σ}}{S}_j^{\′-}\×t_{ij}$

${d_i}^{-}=\underset{i=1}{\overset{n}{\Σ}}{S}_j^{\′-}\×(S_j^{\′-}-t_{ij})$

上式中，d_i ⁺表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的垂直距离；表示第j项标准归一化油气标数据对应的负理想解；t_ij表示第i个待评估项目的第j项加权标准归一化油气标数据；d_i ^-表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的垂直距离；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j表示待评估项目的标准归一化油气标数据的数量j＝1...m；m表示标准归一化油气标数据的总数量。

S150：基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度。

本申请实施例中，可以基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度。具体的，所述标准归一化油气指标数据对应的数据列，与所述理想解、所述负理想解之间的关联度可以反映待评估项目与参考项目之间的关联度。具体的，所述基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度可以包括采用下述公式：

${{\mathrm{\ξ}}_{ij}}^{+}=\frac{\underset{i}{min}\underset{j}{min}|y_{ij}-y_j^{+}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{+}|}{|y_{ij}-y_j^{+}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{+}|}$

${{\mathrm{\ξ}}_{ij}}^{-}=\frac{\underset{i}{min}\underset{j}{min}|y_{ij}-y_j^{-}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{-}|}{|y_{ij}-y_j^{-}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{-}|}$

上式中：ξ_ij ⁺表示第i个待评估项目的第j项标准归一化油气标数据与所述理想解之间的关联度；y_ij表示第i个待评估项目的第j项标准归一化油气标数据；表示第j项标准归一化油气标数据对应的理想解；ρ(j)表示第j项标准归一化油气标数据的分辨系数，可以预先根据实际应用情况设置，例如取0.5；ξ_ij ^-表示第i个待评估项目的第j项标准归一化油气标数据与所述负理想解之间的关联度；表示第j项标准归一化油气标数据对应的负理想解；i表示待评估项目的数量，i＝1...n，n表示待评估项目的总数量；j表示待评估项目的标准归一化油气标数据的数量j＝1...m，m表示标准归一化油气标数据的总数量；n，m为常数。

具体的，为了提高关联度分辨力，可以采用下述公式确定所述分辨系数：

$\mathrm{\ρ}\left(j\right)=\left\{\begin{array}{cc}\mathrm{\ϵ}\left(j\right)\≤\mathrm{\ρ}\left(j\right)\≤1.5\mathrm{\ϵ}\left(j\right)& \frac{1}{\mathrm{\ϵ}\left(j\right)}>3\\ 1.5\mathrm{\ϵ}\left(j\right)\≤\mathrm{\ρ}\left(j\right)\≤2\mathrm{\ϵ}\left(j\right)& \frac{1}{\mathrm{\ϵ}\left(j\right)}\≤3\end{array}\right.$

上式中：或

y_ij表示第i个待评估项目的第j项标准归一化油气标数据；表示第j项标准归一化油气标数据对应的理想解；表示第j项标准归一化油气标数据对应的负理想解；这里确定的分辨系数是动态值，考虑了对每项标准归一化油气标数据的影响，能有效提高关联度分辨力，使关联分析结果更符合实际。

本申请实施例中在灰色关联分析法中以逼近理想解法中的理想解和负理想解作为参考数据列，计算得到待评估项目与参考项目之间的关联度；既可以反映待评估项目与参考项目在曲线形状上的一致性，又可以体现待评估项目与参考项目在位置上的一致性。

S160：将所述关联度和预设的与所述标准归一化油气指标数据相对应的综合权重数据分别进行计算，得到相应的待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度。

本申请实施例中，可以将所述关联度和预设的与所述标准归一化油气指标数据相对应的综合权重数据分别进行计算，得到相应的待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度。如图3所示，图3是本申请提供的获取预设的与所述标准归一化油气指标数据相对应的综合权重数据的一种实施例的流程示意图；具体的，可以包括：

S161：基于层次分析法对所述标准归一化油气指标数据进行主观权重计算，得到与所述标准归一化油气指标数据相对应的主观权重数据。

具体的，这里所述层次分析法(Analytic Hierarchy Process，AHP)可以根据一定的事实判断和层次间的相互关系，定量表示每一层次的油气指标数据相对重要性次序的权值，具体的，可以先利用所述标准归一化油气指标数据构造优先关系判断矩阵；然后进行判断矩阵一致性检验，根据所述一致性检验结果结合相应的计算方法计算主观权重数据。

在实际应用中，当判断矩阵满足完全一致性条件，预设数量的待评估项目对应的主观权重数据的向量可以表示为：

$\mathrm{\λ}={(1/\underset{i=1}{\overset{n}{\Σ}}{a}_{i1},1/\underset{i=1}{\overset{n}{\Σ}}{a}_{i2},...,1/\underset{i=1}{\overset{n}{\Σ}}{a}_{im})}^T$

上式中，λ表示n个待评估项目对应的主观权重数据的向量；a_i1表示第i个待评估项目第一项标准归一化油气指标数据；a_i2表示第i个待评估项目第二项标准归一化油气指标数据；a_im表示第i个待评估项目第m项标准归一化油气指标数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量。

当判断矩阵不满足完全一致性条件，可以根据最小平方法的思路计算主观权重数据，得到预设数量的待评估项目对应的主观权重数据的向量可以表示为：

λ＝F^-1e/e^TF^-1e

上式中，λ表示n个待评估项目对应的主观权重数据的向量；e为单位向量，F＝(f_ij)_n×m，F满足：

$\left\{\begin{array}{cc}{f}_{ii}=n-2+\underset{k=1}{\overset{n}{\Σ}}{a}_{ki}^2& i=1,2,...,n\\ f_{ij}=-(a_{ij}+a_{ji})& i=1,2,...n,j=1,2,...m\end{array}\right.$

上式中，a_ki表示第k个待评估项目第i项标准归一化油气指标数据；a_ij表示第i个待评估项目第j项标准归一化油气指标数据；a_ji表示第j个待评估项目第i项标准归一化油气指标数据。

S162：基于主成分分析法对所述标准归一化油气指标数据进行客观权重计算，得到与所述标准归一化油气指标数据相对应的客观权重数据。

具体的，所述主成分分析(Principal Component Analysis，PCA)可以通过舍弃部分残差，同时保留体现数据特征的主要基因，从而达到抽取系统信息、清除系统干扰的目的。本申请实施例中，假设有n个待评估项目，每个项目有m项标准归一化油气指标数据(变量)X₁、X₂、…、X_m，得到初始矩阵X＝(x_ij)_n×m。对其采用主成分计算主观权重步骤如下计算初始矩阵(x_ij)_n×m的协方差矩阵S＝(s_ij)_n×m及其特征值和特征向量、计算贡献率及累计贡献率，最后根据累计贡献率大小提取主成分：一般取累计贡献率达85％～95％的特征值所对应的主成分代替原始数据进行分析，最后将方差贡献率归一化后的数据作为所述标准归一化油气指标数据相对应的客观权重数据。

S163：利用最小鉴别信息原理确定综合权重计算公式，基于所述综合权重计算公式、所述主观权重数据和所述客观权重数据计算得到与所述标准归一化油气指标数据相对应的综合权重数据。

具体的，根据最小鉴别信息原理，构建如下约束优化问题：

$\left\{\begin{array}{cc}\min & \underset{i=1}{\overset{m}{\mathrm{\Σ}}}w\left(i\right)\[\ln \frac{w\left(i\right)}{\mathrm{\λ}\left(i\right)}\]+\underset{i=1}{\overset{m}{\mathrm{\Σ}}}w\left(i\right)\[\ln \frac{w\left(i\right)}{\mathrm{\η}\left(i\right)}\]\\ s.t.& \underset{i=1}{\overset{m}{\mathrm{\Σ}}}w\left(i\right)=1;w\left(i\right)>0\end{array}\right.$

然后，采用拉格朗日乘子法求解上述优化问题，所述综合权重计算公式可以如下：

$w\left(i\right)=\frac{{\[\mathrm{\λ}\left(i\right)\mathrm{\η}\left(i\right)\]}^{0.5}}{\underset{i=1}{\overset{n}{\Σ}}{\[\mathrm{\λ}\left(i\right)\mathrm{\η}\left(i\right)\]}^{0.5}}$

上式中，w(i)表示第i个待评估项目的标准归一化油气指标数据相对应的综合权重数据；λ(i)表示第i个待评估项目对应的主观权重数据；η(i)表示第i个待评估项目对应的客观权重数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；s.t.表示约束条件。

本申请实施例通过层次分析法计算得到主观权重数据，以及通过主成分分析法计算得到客观权重数据，最后依据最小鉴别信息原理得到既反映出研究人员对海外项目的经验认识，又反映出客观调查数据的规律，且剔除有较大波动数据的干扰的综合权重数据。

在一个具体的实施例中，如图4所示，图4是本申请提供的与标准归一化油气指标数据相对应的主观权重数据、客观权重数据以及综合权重数据的一种示意图。图中包括主观权重数据410、客观权重数据420以及综合权重数据430；且这里假设标准归一化油气指标数据包括剩余储量1、远景资源量2、油气产量3、进入成本4、开发建设成本5、生产运营成本6、收购价格7、基础设施质量数据8、商业发现成功率9、资产有效性数据10、作业自然环境数据11、商业运营环境数据12、竞争优势或劣势数据13、政治/财税风险数据14、货币化风险数据15、交易可能性数据16、桶油净利润17和投资回收期18。

进一步的，将所述综合权重数据分别与相应的关联度相乘，可以得到待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度。

S170：根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据。

本申请实施例中，可以根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据。具体的，所述根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据可以采用的计算公式如下：

上式中，c_i ^*表示第i个待评估项目和预设参考项目之间的贴近度数据；d_i ⁺表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的垂直距离；d_i ^-表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的垂直距离；表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的加权关联度；表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的加权关联度；α表示偏好系数，0＜α＜0.8；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量。

在一些实施例中，所述方法还可以包括：

根据所述待评估项目和预设参考项目之间的贴近度数据进行相应的待评估项目的风险效益评估处理。

一般的，所述贴近度数据越大，相应的待评估项目越优质，风险越小、安全性越高、收益率越高。

在一个具体的实施例中，假设以5个待评估项目为A、B、C、D、E，其中A、B、C为勘探发现待开发项目，D、E为已开发项目。前期技术经济评价认为：5个项目的资源、技术、成本等客观因素及作业环境、财税体制等主观因素方面均存在不同程度的不确定性和风险。

在获取5个待评估项目的标准油气指标数据之后，可以根据所述待评估项目的标准油气指标数据的类型对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据；然后，基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离；假设计算得到的A、B、C、D、E五个待评估项目的标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据对应的理想解和负理想解之间的垂直距离如下：

d⁺＝(2.8245 2.3154 4.1018 2.0437 2.2089)

d⁺＝(3.4220 2.9310 2.1446 3.9655 3.6027)

相应的，基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度；然后结合预设的与所述标准归一化油气指标数据相对应的综合权重数据计算得到待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度；假设计算得到的A、B、C、D、E五个待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度如下：

相应的，可以计算得到待评估项目和预设参考项目之间的贴近度数据如下：

C^*＝(0.5053 0.5161 0.3460 0.6329 0.6082)

相应的，根据所述贴近度数据的大小，5个待评估项目的优劣排序为：D、E、B、A、C。待评估项目D为最优质的项目。

在实际应用中，为了进一步直观确定待评估项目的优劣，可以结合待评估项目的油气指标数据所对应的关注属性不同，将待评估项目的油气指标数据进行划分计算待评估项目的地上综合指标数据和地下综合指标数据。一般的，所述地上综合指标数据和地下综合指标数据的数量相同。相应的，所述方法还可以包括：

按照所述标准归一化油气指标数据所对应的关注属性将所述标准归一化油气指标数据划分为地上油气指标数据和地下油气指标数据；

基于层次分析法分别对所述地上油气指标数据和地下油气指标数据主观权重计算，得到与所述地上油气指标数据相对应的地上主观权重数据以及与所述地下油气指标数据相对应的地下主观权重数据；

基于主成分分析法分别对所述地上油气指标数据和地下油气指标数据进行客观权重计算，得到与所述地上油气指标数据相对应的地上客观权重数据以及与所述地下油气指标数据相对应的地下客观权重数据；

利用最小鉴别信息原理确定综合权重计算公式，基于所述综合权重计算公式、所述地上主观权重数据和所述地上客观权重数据计算得到地上综合权重数据；以及基于所述综合权重计算公式、所述地下主观权重数据和所述地下客观权重数据计算得到地下综合权重数据；

将所述地上综合权重数据和预设参考地上综合权重数据相乘得到相应的待评估项目的地上综合指标数据，以及将所述地下综合权重数据和预设参考地下综合权重数据相乘得到相应的待评估项目的地下综合指标数据。

具体的，所述地上油气指标数据可以包括主观策略方面的关注属性的油气指标数据，例如剩余储量、远景资源量、油气产量、进入成本、开发建设成本、生产运营成本、收购价格、基础设施质量数据、商业发现成功率等；所述地下油气指标数据可以包括技术成本方面的关注属性的油气指标数据，例如资产有效性数据、作业自然环境数据、商业运营环境数据、竞争优势或劣势数据、政治/财税风险数据、货币化风险数据、交易可能性数据、桶油净利润和投资回收期等。

具体的，所述预设参考地上综合权重数据可以包括与参考项目相对应的地上综合权重数据；相应的，所述预设参考地下综合权重数据可以包括与参考项目相对应的地下综合权重数据。

相应的，在一些实施例中所述方法还可以包括：

根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、以及所述地下综合指标数据进行相应的待评估项目的风险效益评估处理。

在一个具体的实施例中，以上述的5个待评估项目A、B、C、D、E为例，假设利用本申请实施例提供的技术方案计算得到的地上综合指标数据和地下综合指标数据依次为：A(2.8，3.38)、B(2.82，3.46)、C(2.65，3.5)、D(3.3，3.75)、E(3.25，3.5)；假设相应的参考项目(即同一油气系统、同一财税条款的资产组合的平均水平的项目)的地上综合指标数据和地下综合指标数据依次为：A’(3，3.02)、B’(3.16，3.2)、C’(2.96，2.55)、D’(3.1，3.65)、E’(3.06，2.8)。相应的，将所述5个待评估项目和相应的参考项目的地上综合指标数据和地下综合指标数据绘制在波士顿图，如图5所示波士顿图以地上综合指标数据为X轴，以地下综合指标数据为Y轴，以经验值为界划分4个象限，第1象限最好，第3象限最差，利用项目在图中的位置定性判断项目风险，图5本申请提供的所述5个待评估项目与相应的参考项目的地上综合指标数据和地下综合指标数据波士顿比较图。从图中可以看出，D、E项目处于波士顿图第一象限，属于战略首选项目，A、B、C项目处于第二象限，地上风险较高，项目存在很大环境风险，战略上应慎重。通过与5个待评估项目对应的参考项目的比较分析可见：待评估项目D、E(已开发项目)地上综合指标数据和地下综合指标数据均高于参考项目的地上综合指标数据和地下综合指标数据；尤以E项目变化最大，其地下风险远低于平均水平，体现了该两个项目具有好于平均水平的优势。而待评估项目A、B、C(勘探发现待开发项目)总体均略差于同类资产组合的平均水平，原因是虽然待评估项目A、B、C的地下风险均有所降低，但其地上条件变得不明朗，导致项目总体比平均水平略差。

在一些实施例中，所述方法还可以包括：

根据所述地上综合权重数据、所述预设参考地上综合权重数据、所述地下综合权重数据、所述预设参考地下综合权重数据、以及多维空间欧式距离公式计算得到相应的待评估项目的距离优化数据。

具体的，所述距离优化数据可以反映待评估项目的优劣程度，且所述待评估项目的距离优化数据越大，待评估项目的越优质。

具体的，所述多维空间欧式距离公式可以如下所示：

$L_i=\sqrt{{\left(\underset{j_3=1}{\overset{m_3}{\Σ}}{w}_{j_3}{z}_{{\mathrm{ij}}_3}\right)}^2+{\left(\underset{j_4=1}{\overset{m_3}{\Σ}}{w}_{j_4}^{\′}{z}_{{\mathrm{ij}}_4}^{\′}\right)}^2}$

上式中，L_i表示第i个待评估项目的距离优化数据；i表示待评估项目的数量；表示第j₃项地上油气指标数据对应的地上综合权重数据；表示第j₄项地下油气指标数据对应的地下综合权重数据；第i个待评估项目第j₃项地上油气指标数据对应的预设参考地上综合权重数据，j₃表示待评估项目的地上油气指标数据的数量j₃＝1...m₃；m₃表示地上油气指标数据的总数量；第i个待评估项目第j₄项地下油气指标数据对应的预设参考地下综合权重数据，j₄表示待评估项目的地下油气指标数据的数量j₄＝1...m₄；m₄表示地下油气指标数据的总数量。

相应的，在一些实施例中，所述方法还可以包括：

根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、所述地下综合指标数据以及所述距离优化数据进行相应的待评估项目的风险效益评估处理。

在一个具体的实施例中，以上述的5个待评估项目A、B、C、D、E为例，假设利用本申请实施例提供的技术方案计算得到的距离优化数据依次为：4.4、4.5、4.3、5、4.8。相应的，可以判断所述5个待评估项目的优劣度排序依次为：D、E、B、A、C；其中最优质的是项目D。

在一些实施例中，所述方法还可以包括：

根据所述地上综合权重数据、所述预设参考地上综合权重数据、所述地下综合权重数据和所述预设参考地下综合权重数据计算得到相应的待评估项目的油气指标的敏感性影响数据。

具体的，所述待评估项目的油气指标的敏感性影响数据可以体现各油气指标数据对待评估项目的风险效益评估处理结果的影响。所述待评估项目的油气指标的敏感性影响数据可以包括地上油气指标的敏感性影响数据和地下油气指标的敏感性影响数据。油气指标的敏感性影响数据越大，体现油气指标数据对待评估项目的风险效益评估处理结果的影响越大。

具体的，可以将所述地上综合权重数据和所述预设参考地上综合权重数据相乘，得到地上油气指标的敏感性影响数据；将所述地下综合权重数据和所述预设参考地下综合权重数据相乘，得到地下油气指标的敏感性影响数据。

在一些实施例中，所述方法还可以包括：

根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、所述地下综合指标数据以及所述油气指标的敏感性影响数据进行相应的待评估项目的风险效益评估处理。

表2

在一个具体的实施例中，以上述的5个待评估项目A、B、C、D、E为例，假设利用本申请实施例提供的技术方案计算得到的油气指标的敏感性影响数据如表2所示，表2是本申请提供的5个待评估项目的油气指标的敏感性影响数据一种实施例的示例。

假设油气指标的敏感性影响数据大于等于4小于等于5时，表示相应的油气指标数据对某一待评估项目的风险效益评估处理的影响程度较大，相应的可以非常关注该油气指标数据；假设油气指标的敏感性影响数据在大于等于3小于4时，表示相应的油气指标数据对某一待评估项目的风险效益评估处理的影响程度适中，相应的可以适度关注该油气指标数据；假设油气指标的敏感性影响数据小于3表示相应的油气指标数据对某一待评估项目的风险效益评估处理的影响程度较低，相应的可以不关注该油气指标数据。具体的，如表3所示，表示3是本申请提供的某一项目的风险效益评估处理中对油气指标数据的关注情况的一种实施例的示例。

表3

由以上本申请一种勘探开发项目中油气指标数据的处理方法的实施例可见，本申请通过对样本油气指标数据进行分级和派生参数删除处理，可以保证得到的标准油气指标数据的全面性，且解决信息重叠、相似性问题，大大减少计算工作量，提高计算的准确性。接着，在获取预设数量的待评估项目的标准油气指标数据之后，根据类型的不同对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据；在对所述标准归一化油气指标数据处理的过程中，基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离，在灰色关联分析法中以逼近理想解法中的理想解和负理想解作为参考数据列，计算得到待评估项目与参考项目之间的关联度；既可以反映待评估项目与参考项目在曲线形状上的一致性，又可以体现待评估项目与参考项目在位置上的一致性。同时引入可以结合客观技术因素和主观因素的综合权重数据计算得到加权关联度，最后，根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据；通过所述贴近度数据可以有效反映待评估项目的优劣程度。与现有技术相比，利用本申请提供的技术方案可以有效的对油气勘探开发项目中的油气指标数据进行处理，解决油气指标数据存在的不全面，以及各油气指标数据的权重不能有效反映油气指标数据的重要程度等问题；后续，可以为油气勘探开发项目的评估提供数据支持，进而可以预先剔除风险高、收益小的不良项目，确保项目的安全性和盈利性。

基于本申请所述的一种勘探开发项目中油气指标数据的处理方法，本申请另一方面还提供一种勘探开发项目中油气指标数据的处理装置，图6是本申请提供的勘探开发项目中油气指标数据的处理装置的一种实施例中的结构示意图；如图6所示，所述装置600可以包括：

第一数据处理模块610，可以用于对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据；

数据获取模块620，可以用于获取预设数量的待评估项目的标准油气指标数据；

标准归一化处理模块630，可以用于根据所述待评估项目的标准油气指标数据的类型对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据；

垂直距离计算模块640，可以用于基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离；

关联度计算模块650，可以用于基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度；

加权关联度计算模块660，可以用于将所述关联度和预设的与所述标准归一化油气指标数据相对应的综合权重数据分别进行计算，得到相应的待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度；

贴近度数据计算模块670，可以用于根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据。

在一个优选的实施例中，所述预设的与所述标准归一化油气指标数据相对应的综合权重数据可以包括采用下述单元获得：

主观权重数据计算单元，可以用于基于层次分析法对所述标准归一化油气指标数据进行主观权重计算，得到与所述标准归一化油气指标数据相对应的主观权重数据；

客观权重数据计算单元，可以用于基于主成分分析法对所述标准归一化油气指标数据进行客观权重计算，得到与所述标准归一化油气指标数据相对应的客观权重数据；

综合权重数据计算单元，可以用于利用最小鉴别信息原理确定综合权重计算公式，基于所述综合权重计算公式、所述主观权重数据和所述客观权重数据计算得到与所述标准归一化油气指标数据相对应的综合权重数据。

在一个优选的实施例中，所述第一数据处理模块610可以包括：

分级处理单元，可以用于根据所述样本油气指标数据的类型对所述样本油气指标数据进行分级处理，得到分级处理后的油气指标数据；

派生参数删除处理单元，可以用于采用相关系数的判定准则对所述分级处理后的油气指标数据进行派生参数删除处理，得到标准油气指标数据。

在一个优选的实施例中，所述根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据采用的计算公式可以如下：

上式中，c_i ^*表示第i个待评估项目和预设参考项目之间的贴近度数据；d_i ⁺表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的垂直距离；d_i ^-表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的垂直距离；表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的加权关联度；表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的加权关联度；α表示偏好系数，0＜α＜0.8；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量。

在一个优选的实施例中，所述标准归一化处理模块630可以包括：

类型确定单元，可以用于确定所述待评估项目的标准油气指标数据的类型；

第一数据处理单元，可以用于当所述待评估项目的标准油气指标数据的类型为正影响趋势定量类型时，利用第一预设归一化公式对所述标准油气指标数据进行标准归一化处理，得到正影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；

第二数据处理单元，可以用于当所述待评估项目的标准油气指标数据的类型为负影响趋势定量类型时，利用第二预设归一化公式对所述标准油气指标数据进行标准归一化处理，得到负影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；

第三数据处理单元，可以用于当所述待评估项目的标准油气指标数据的类型为定性类型时，根据所述标准油气指标数据对应的预设分级数据确定所述标准油气指标数据对应的级别，结合第三预设归一化公式计算得到所述级别的标准油气指标数据的标准归一化油气指标数据。

在一个优选的实施例中，所述第一预设归一化公式可以如下：

$z_{{\mathrm{ij}}_1}^{+}=\frac{x_{{\mathrm{ij}}_1}^{+}}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(x_{{\mathrm{ij}}_1}^{+}\right)}^2}}$

上式中，表示第i个待评估项目的第j₁项正影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；表示第i个待评估项目的第j₁项正影响趋势定量类型标准油气指标数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j₁表示待评估项目的标准油气指标数据中正影响趋势定量类型的标准油气指标数据的数量；j₁＝1...m₁；m₁表示待评估项目的标准油气指标数据中正影响趋势定量类型的标准油气指标数据的总数量。

在一个优选的实施例中，所述第二预设归一化公式可以如下：

$z_{{\mathrm{ij}}_2}^{-}=\frac{1/x_{{\mathrm{ij}}_2}^{-}}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(\mathrm{1/}{x}_{{\mathrm{ij}}_2}^{-}\right)}^2}}$

上式中，表示第i个待评估项目的第j₂项负影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；表示第i个待评估项目的第j₂项负影响趋势定量类型标准油气指标数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j₂表示待评估项目的标准油气指标数据中负影响趋势定量类型的标准油气指标数据的数量，j₂＝1...m₂；m₂表示待评估项目的标准油气指标数据中负影响趋势定量类型的标准油气指标数据的总数量。

在一个优选的实施例中，所述第三预设归一化公式可以如下：

$r_i=1-\frac{i-1}{q-1}\·(1-\mathrm{\σ})$

上式中，r_i表示第i级别的标准油气指标数据的标准归一化油气指标数据，i＝1...q；q表示所述标准油气指标数据的级别数量；σ表示预设最小标准归一化油气指标数据，0＜σ＜0.8。

在一个优选的实施例中，所述基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离可以包括采用下述公式：

${d_i}^{+}=\underset{i=1}{\overset{n}{\Σ}}{S}_j^{\′-}\×t_{ij}$

${d_i}^{-}=\underset{i=1}{\overset{n}{\Σ}}{S}_j^{\′-}\×(S_j^{\′-}-t_{ij})$

上式中，d_i ⁺表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的垂直距离；表示第j项标准归一化油气标数据对应的负理想解；t_ij表示第i个待评估项目的第j项加权标准归一化油气标数据；d_i ^-表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的垂直距离；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j表示待评估项目的标准归一化油气标数据的数量j＝1...m；m表示标准归一化油气标数据的总数量。

在一个优选的实施例中，所述基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度可以包括采用下述公式：

${{\mathrm{\ξ}}_{ij}}^{+}=\frac{\underset{i}{min}\underset{j}{min}|y_{ij}-y_j^{+}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{+}|}{|y_{ij}-y_j^{+}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{+}|}$

${{\mathrm{\ξ}}_{ij}}^{-}=\frac{\underset{i}{min}\underset{j}{min}|y_{ij}-y_j^{-}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{-}|}{|y_{ij}-y_j^{-}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{-}|}$

上式中：ξ_ij ⁺表示第i个待评估项目的第j项标准归一化油气标数据与所述理想解之间的关联度；y_ij表示第i个待评估项目的第j项标准归一化油气标数据；表示第j项标准归一化油气标数据对应的理想解；ρ(j)表示第j项标准归一化油气标数据的分辨系数；ξ_ij ^-表示第i个待评估项目的第j项标准归一化油气标数据与所述负理想解之间的关联度；表示第j项标准归一化油气标数据对应的负理想解；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j表示待评估项目的标准归一化油气标数据的数量j＝1...m；m表示标准归一化油气标数据的总数量。

在一个优选的实施例中，所述装置600还可以包括：

第一风险效益评估处理模块，可以用于根据所述待评估项目和预设参考项目之间的贴近度数据进行相应的待评估项目的风险效益评估处理。

在一个优选的实施例中，所述装置600还可以包括：

数据划分模块，可以用于按照所述标准归一化油气指标数据所对应的关注属性将所述标准归一化油气指标数据划分为地上油气指标数据和地下油气指标数据；

第一数据计算模块，可以用于基于层次分析法分别对所述地上油气指标数据和地下油气指标数据主观权重计算，得到与所述地上油气指标数据相对应的地上主观权重数据以及与所述地下油气指标数据相对应的地下主观权重数据；

第二数据计算模块，可以用于基于主成分分析法分别对所述地上油气指标数据和地下油气指标数据进行客观权重计算，得到与所述地上油气指标数据相对应的地上客观权重数据以及与所述地下油气指标数据相对应的地下客观权重数据；

第二数据处理模块，可以用于利用最小鉴别信息原理确定综合权重计算公式，基于所述综合权重计算公式、所述地上主观权重数据和所述地上客观权重数据计算得到地上综合权重数据；以及基于所述综合权重计算公式、所述地下主观权重数据和所述地下客观权重数据计算得到地下综合权重数据；

第三数据计算模块，可以用于将所述地上综合权重数据和预设参考地上综合权重数据相乘得到相应的待评估项目的地上综合指标数据，以及将所述地下综合权重数据和预设参考地下综合权重数据相乘得到相应的待评估项目的地下综合指标数据。

在一个优选的实施例中，所述装置600还可以包括：

第二风险效益评估处理模块，用于根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、以及所述地下综合指标数据进行相应的待评估项目的风险效益评估处理。

在一个优选的实施例中，所述装置600还可以包括：

距离优化数据计算模块，用于根据所述地上综合权重数据、所述预设参考地上综合权重数据、所述地下综合权重数据、所述预设参考地下综合权重数据、以及多维空间欧式距离公式计算得到相应的待评估项目的距离优化数据。

在一个优选的实施例中，所述装置600还可以包括：

第三风险效益评估处理模块，可以用于根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、所述地下综合指标数据以及所述距离优化数据进行相应的待评估项目的风险效益评估处理。

在一个优选的实施例中，所述装置600还可以包括：

油气指标的敏感性影响数据计算模块，可以用于根据所述地上综合权重数据、所述预设参考地上综合权重数据、所述地下综合权重数据和所述预设参考地下综合权重数据计算得到相应的待评估项目的油气指标的敏感性影响数据。

在一个优选的实施例中，所述装置600还可以包括：

第四风险效益评估处理模块，可以用于根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、所述地下综合指标数据以及所述油气指标的敏感性影响数据进行相应的待评估项目的风险效益评估处理。

由以上本申请一种勘探开发项目中油气指标数据的处理方法或装置的实施例可见，本申请通过对样本油气指标数据进行分级和派生参数删除处理，可以保证得到的标准油气指标数据的全面性，且解决信息重叠、相似性问题，大大减少计算工作量，提高计算的准确性。接着，在获取预设数量的待评估项目的标准油气指标数据之后，根据类型的不同对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据；在对所述标准归一化油气指标数据处理的过程中，基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离，在灰色关联分析法中以逼近理想解法中的理想解和负理想解作为参考数据列，计算得到待评估项目与参考项目之间的关联度；既可以反映待评估项目与参考项目在曲线形状上的一致性，又可以体现待评估项目与参考项目在位置上的一致性。同时引入可以结合客观技术因素和主观因素的综合权重数据计算得到加权关联度，最后，根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据；通过所述贴近度数据可以有效反映待评估项目的优劣程度。与现有技术相比，利用本申请提供的技术方案可以有效的对油气勘探开发项目中的油气指标数据进行处理，解决油气指标数据存在的不全面，以及各油气指标数据的权重不能有效反映油气指标数据的重要程度等问题；后续，可以为油气勘探开发项目的评估提供数据支持，进而可以预先剔除风险高、收益小的不良项目，确保项目的安全性和盈利性。

本申请提供了一种海外项目的综合筛选问题的处理方式。鉴于现有项目决策模型采用权重未全面反映指标影响程度、项目指标不全面、项目不确定性难以定量描述的缺点，提出了一种海外上游项目综合筛选的新方法。例如首先，可以根据630个历史评价项目初选指标并建立指标分级标准，以Pearson相似系数为准则剔除派生指标参数，构建了全面体现海外新项目技术性、商业性特点的18项指标的指标体系；进而用主成分分析、层次分析法、最小鉴别原理构建了综合体现主客观指标影响的综合赋权法，将求得的综合权重用于逼近理想解法(TOPSIS)和灰色关联模型(GRA)中，建立了综合决策新模型(TOPSIS-GRA)；最后，应用综合决策新模型及经典模糊理论，提出综合贴近度、指标综合值、项目优劣度、影响矩阵4种定量(或半定量)筛选模型并结合经典波士顿决策矩阵，用于项目的综合筛选决策。与现有方法相比，本文方法较全面考虑客观技术、主观策略各项指标，权重求取更加合理，具有定量快速、结果直观、简单易操作等优点。经海外油田实际资料验证，表明新方法可行有效，可为海外项目的快速定量筛选以及战略决策的制定提供参考。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

虽然通过实施例描绘了本申请，本领域普通技术人员知道，本申请有许多变形和变化而不脱离本申请的精神，希望所附的权利要求包括这些变形和变化而不脱离本申请的精神。

Claims (34)

1.一种勘探开发项目中油气指标数据的处理方法，其特征在于，所述方法包括：

对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据；

获取预设数量的待评估项目的标准油气指标数据；

根据所述待评估项目的标准油气指标数据的类型对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据；

基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离；

基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度；

将所述关联度和预设的与所述标准归一化油气指标数据相对应的综合权重数据分别进行计算，得到相应的待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度；

根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据。

2.根据权利要求1所述的方法，其特征在于，所述预设的与所述标准归一化油气指标数据相对应的综合权重数据包括采用下述方式获得：

基于层次分析法对所述标准归一化油气指标数据进行主观权重计算，得到与所述标准归一化油气指标数据相对应的主观权重数据；

基于主成分分析法对所述标准归一化油气指标数据进行客观权重计算，得到与所述标准归一化油气指标数据相对应的客观权重数据；

利用最小鉴别信息原理确定综合权重计算公式，基于所述综合权重计算公式、所述主观权重数据和所述客观权重数据计算得到与所述标准归一化油气指标数据相对应的综合权重数据。

3.根据权利要求1或2任意一项所述的方法，其特征在于，所述对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据包括：

根据所述样本油气指标数据的类型对所述样本油气指标数据进行分级处理，得到分级处理后的油气指标数据；

采用相关系数的判定准则对所述分级处理后的油气指标数据进行派生参数删除处理，得到标准油气指标数据。

4.根据权利要求1或2任意一项所述的方法，其特征在于，所述根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据采用的计算公式如下：

上式中，c_i ^*表示第i个待评估项目和预设参考项目之间的贴近度数据；d_i ⁺表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的垂直距离；d_i ^-表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的垂直距离；表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的加权关联度；表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的加权关联度；α表示偏好系数，0＜α＜0.8；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量。

5.根据权利要求1或2任意一项所述的方法，其特征在于，所述根据所述待评估项目的标准油气指标数据的类型对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据包括：

确定所述待评估项目的标准油气指标数据的类型；

当所述待评估项目的标准油气指标数据的类型为正影响趋势定量类型时，利用第一预设归一化公式对所述标准油气指标数据进行标准归一化处理，得到正影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；

当所述待评估项目的标准油气指标数据的类型为负影响趋势定量类型时，利用第二预设归一化公式对所述标准油气指标数据进行标准归一化处理，得到负影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；

当所述待评估项目的标准油气指标数据的类型为定性类型时，根据所述标准油气指标数据对应的预设分级数据确定所述标准油气指标数据对应的级别，结合第三预设归一化公式计算得到所述级别的标准油气指标数据的标准归一化油气指标数据。

6.根据权利要求5所述的方法，其特征在于，所述第一预设归一化公式如下：

$z_{{\mathrm{ij}}_1}^{+}=\frac{x_{{\mathrm{ij}}_1}^{+}}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(x_{{\mathrm{ij}}_1}^{+}\right)}^2}}$

上式中，表示第i个待评估项目的第j₁项正影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；表示第i个待评估项目的第j₁项正影响趋势定量类型标准油气指标数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j₁表示待评估项目的标准油气指标数据中正影响趋势定量类型的标准油气指标数据的数量；j₁＝1...m₁；m₁表示待评估项目的标准油气指标数据中正影响趋势定量类型的标准油气指标数据的总数量。

7.根据权利要求5所述的方法，其特征在于，所述第二预设归一化公式如下：

$z_{{\mathrm{ij}}_2}^{-}=\frac{1/x_{{\mathrm{ij}}_2}^{-}}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(\mathrm{1/}{x}_{{\mathrm{ij}}_2}^{-}\right)}^2}}$

上式中，表示第i个待评估项目的第j₂项负影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；表示第i个待评估项目的第j₂项负影响趋势定量类型标准油气指标数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j₂表示待评估项目的标准油气指标数据中负影响趋势定量类型的标准油气指标数据的数量，j₂＝1...m₂；m₂表示待评估项目的标准油气指标数据中负影响趋势定量类型的标准油气指标数据的总数量。

8.根据权利要求5所述的方法，其特征在于，所述第三预设归一化公式如下：

$r_i=1-\frac{i-1}{q-1}\·(1-\mathrm{\σ})$

上式中，r_i表示第i级别的标准油气指标数据的标准归一化油气指标数据，i＝1...q；q表示所述标准油气指标数据的级别数量；σ表示预设最小标准归一化油气指标数据，0＜σ＜0.8。

9.根据权利要求1或2任意一项所述的方法，其特征在于，所述基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离包括采用下述公式：

${d_i}^{+}=\underset{i=1}{\overset{n}{\Σ}}{S}_j^{\′-}\×t_{ij}$

${d_i}^{-}=\underset{i=1}{\overset{n}{\Σ}}{S}_j^{\′-}\×(S_j^{\′-}-t_{ij})$

上式中，d_i ⁺表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的垂直距离；表示第j项标准归一化油气标数据对应的负理想解；t_ij表示第i个待评估项目的第j项加权标准归一化油气标数据；d_i ^-表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的垂直距离；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j表示待评估项目的标准归一化油气标数据的数量j＝1...m；m表示标准归一化油气标数据的总数量。

10.根据权利要求1或2任意一项所述的方法，其特征在于，所述基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度包括采用下述公式：

${{\mathrm{\ξ}}_{ij}}^{+}=\frac{\underset{i}{min}\underset{j}{min}|y_{ij}-y_j^{+}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{+}|}{|y_{ij}-y_j^{+}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{+}|}$

${{\mathrm{\ξ}}_{ij}}^{-}=\frac{\underset{i}{min}\underset{j}{min}|y_{ij}-y_j^{-}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{-}|}{|y_{ij}-y_j^{-}|+\mathrm{\ρ}\left(j\right)\underset{i}{\max }\underset{j}{\max }|y_{ij}-y_j^{-}|}$

上式中：ξ_ij ⁺表示第i个待评估项目的第j项标准归一化油气标数据与所述理想解之间的关联度；y_ij表示第i个待评估项目的第j项标准归一化油气标数据；表示第j项标准归一化油气标数据对应的理想解；ρ(j)表示第j项标准归一化油气标数据的分辨系数；ξ_ij ^-表示第i个待评估项目的第j项标准归一化油气标数据与所述负理想解之间的关联度；表示第j项标准归一化油气标数据对应的负理想解；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j表示待评估项目的标准归一化油气标数据的数量j＝1...m；m表示标准归一化油气标数据的总数量。

11.根据权利要求1或2任意一项所述的方法，其特征在于，所述方法还包括：

根据所述待评估项目和预设参考项目之间的贴近度数据进行相应的待评估项目的风险效益评估处理。

12.根据权利要求1或2任意一项所述的方法，其特征在于，所述方法还包括：

按照所述标准归一化油气指标数据所对应的关注属性将所述标准归一化油气指标数据划分为地上油气指标数据和地下油气指标数据；

基于层次分析法分别对所述地上油气指标数据和地下油气指标数据主观权重计算，得到与所述地上油气指标数据相对应的地上主观权重数据以及与所述地下油气指标数据相对应的地下主观权重数据；

基于主成分分析法分别对所述地上油气指标数据和地下油气指标数据进行客观权重计算，得到与所述地上油气指标数据相对应的地上客观权重数据以及与所述地下油气指标数据相对应的地下客观权重数据；

利用最小鉴别信息原理确定综合权重计算公式，基于所述综合权重计算公式、所述地上主观权重数据和所述地上客观权重数据计算得到地上综合权重数据；以及基于所述综合权重计算公式、所述地下主观权重数据和所述地下客观权重数据计算得到地下综合权重数据；

将所述地上综合权重数据和预设参考地上综合权重数据相乘得到相应的待评估项目的地上综合指标数据，以及将所述地下综合权重数据和预设参考地下综合权重数据相乘得到相应的待评估项目的地下综合指标数据。

13.根据权利要求12所述的方法，其特征在于，所述方法还包括：

根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、以及所述地下综合指标数据进行相应的待评估项目的风险效益评估处理。

14.根据权利要求12所述的方法，其特征在于，所述方法还包括：

根据所述地上综合权重数据、所述预设参考地上综合权重数据、所述地下综合权重数据、所述预设参考地下综合权重数据、以及多维空间欧式距离公式计算得到相应的待评估项目的距离优化数据。

15.根据权利要求14所述的方法，其特征在于，所述方法还包括：

根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、所述地下综合指标数据以及所述距离优化数据进行相应的待评估项目的风险效益评估处理。

16.根据权利要求12所述的方法，其特征在于，所述方法还包括：

根据所述地上综合权重数据、所述预设参考地上综合权重数据、所述地下综合权重数据和所述预设参考地下综合权重数据计算得到相应的待评估项目的油气指标的敏感性影响数据。

17.根据权利要求16所述的方法，其特征在于，所述方法还包括：

根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、所述地下综合指标数据以及所述油气指标的敏感性影响数据进行相应的待评估项目的风险效益评估处理。

18.一种勘探开发项目中油气指标数据的处理装置，其特征在于，所述装置包括：

第一数据处理模块，用于对样本油气指标数据进行分级和派生参数删除处理，得到标准油气指标数据；

数据获取模块，用于获取预设数量的待评估项目的标准油气指标数据；

标准归一化处理模块，用于根据所述待评估项目的标准油气指标数据的类型对所述标准油气指标数据进行相应的标准归一化处理，得到标准归一化油气指标数据；

垂直距离计算模块，用于基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离；

关联度计算模块，用于基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度；

加权关联度计算模块，用于将所述关联度和预设的与所述标准归一化油气指标数据相对应的综合权重数据分别进行计算，得到相应的待评估项目的标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的加权关联度；

贴近度数据计算模块，用于根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据。

19.根据权利要求18所述的装置，其特征在于，所述预设的与所述标准归一化油气指标数据相对应的综合权重数据包括采用下述单元获得：

主观权重数据计算单元，用于基于层次分析法对所述标准归一化油气指标数据进行主观权重计算，得到与所述标准归一化油气指标数据相对应的主观权重数据；

客观权重数据计算单元，用于基于主成分分析法对所述标准归一化油气指标数据进行客观权重计算，得到与所述标准归一化油气指标数据相对应的客观权重数据；

综合权重数据计算单元，用于利用最小鉴别信息原理确定综合权重计算公式，基于所述综合权重计算公式、所述主观权重数据和所述客观权重数据计算得到与所述标准归一化油气指标数据相对应的综合权重数据。

20.根据权利要求18或19任意一项所述的装置，其特征在于，所述第一数据处理模块包括：

分级处理单元，用于根据所述样本油气指标数据的类型对所述样本油气指标数据进行分级处理，得到分级处理后的油气指标数据；

派生参数删除处理单元，用于采用相关系数的判定准则对所述分级处理后的油气指标数据进行派生参数删除处理，得到标准油气指标数据。

21.根据权利要求18或19任意一项所述的装置，其特征在于，所述根据所述加权关联度和所述垂直距离计算得到相应的待评估项目和预设参考项目之间的贴近度数据采用的计算公式如下：

上式中，c_i ^*表示第i个待评估项目和预设参考项目之间的贴近度数据；d_i ⁺表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的垂直距离；d_i ^-表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的垂直距离；表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的加权关联度；表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的加权关联度；α表示偏好系数，0＜α＜0.8；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量。

22.根据权利要求18或19任意一项所述的装置，其特征在于，所述标准归一化处理模块包括：

类型确定单元，用于确定所述待评估项目的标准油气指标数据的类型；

第一数据处理单元，用于当所述待评估项目的标准油气指标数据的类型为正影响趋势定量类型时，利用第一预设归一化公式对所述标准油气指标数据进行标准归一化处理，得到正影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；

第二数据处理单元，用于当所述待评估项目的标准油气指标数据的类型为负影响趋势定量类型时，利用第二预设归一化公式对所述标准油气指标数据进行标准归一化处理，得到负影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；

第三数据处理单元，用于当所述待评估项目的标准油气指标数据的类型为定性类型时，根据所述标准油气指标数据对应的预设分级数据确定所述标准油气指标数据对应的级别，结合第三预设归一化公式计算得到所述级别的标准油气指标数据的标准归一化油气指标数据。

23.根据权利要求22所述的装置，其特征在于，所述第一预设归一化公式如下：

$z_{{\mathrm{ij}}_1}^{+}=\frac{x_{{\mathrm{ij}}_1}^{+}}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(x_{{\mathrm{ij}}_1}^{+}\right)}^2}}$

上式中，表示第i个待评估项目的第j₁项正影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；表示第i个待评估项目的第j₁项正影响趋势定量类型标准油气指标数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j₁表示待评估项目的标准油气指标数据中正影响趋势定量类型的标准油气指标数据的数量；j₁＝1...m₁；m₁表示待评估项目的标准油气指标数据中正影响趋势定量类型的标准油气指标数据的总数量。

24.根据权利要求22所述的装置，其特征在于，所述第二预设归一化公式如下：

$z_{{\mathrm{ij}}_2}^{-}=\frac{1/x_{{\mathrm{ij}}_2}^{-}}{\sqrt{\underset{i=1}{\overset{n}{\Σ}}{\left(\mathrm{1/}{x}_{{\mathrm{ij}}_2}^{-}\right)}^2}}$

上式中，表示第i个待评估项目的第j₂项负影响趋势定量类型的标准油气指标数据的标准归一化油气指标数据；表示第i个待评估项目的第j₂项负影响趋势定量类型标准油气指标数据；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j₂表示待评估项目的标准油气指标数据中负影响趋势定量类型的标准油气指标数据的数量，j₂＝1...m₂；m₂表示待评估项目的标准油气指标数据中负影响趋势定量类型的标准油气指标数据的总数量。

25.根据权利要求22所述的装置，其特征在于，所述第三预设归一化公式如下：

$r_i=1-\frac{i-1}{q-1}\·(1-\mathrm{\σ})$

上式中，r_i表示第i级别的标准油气指标数据的标准归一化油气指标数据，i＝1...q；q表示所述标准油气指标数据的级别数量；σ表示预设最小标准归一化油气指标数据，0＜σ＜0.8。

26.根据权利要求18或19任意一项所述的装置，其特征在于，所述基于逼近理想解法计算所述标准归一化油气指标数据对应的数据列与预设参考项目的参考油气指标数据相对应的理想解和负理想解之间的垂直距离包括采用下述公式：

${d_i}^{+}=\underset{i=1}{\overset{n}{\Σ}}{S}_j^{\′-}\×t_{ij}$

${d_i}^{-}=\underset{i=1}{\overset{n}{\Σ}}{S}_j^{\′-}\×(S_j^{\′-}-t_{ij})$

上式中，d_i ⁺表示第i个待评估项目的标准归一化油气指标数据对应的数据列与理想解之间的垂直距离；表示第j项标准归一化油气标数据对应的负理想解；t_ij表示第i个待评估项目的第j项加权标准归一化油气标数据；d_i ^-表示第i个待评估项目的标准归一化油气指标数据对应的数据列与负理想解之间的垂直距离；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j表示待评估项目的标准归一化油气标数据的数量j＝1...m；m表示标准归一化油气标数据的总数量。

27.根据权利要求18或19任意一项所述的装置，其特征在于，所述基于灰色关联分析法计算所述标准归一化油气指标数据对应的数据列与所述理想解、所述负理想解之间的关联度包括采用下述公式：

${{\mathrm{\ξ}}_{ij}}^{+}=\frac{\underset{i}{min}\underset{j}{min}|y_{ij}-y_j^{+}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{+}|}{|y_{ij}-y_j^{+}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{+}|}$

${{\mathrm{\ξ}}_{ij}}^{-}=\frac{\underset{i}{min}\underset{j}{min}|y_{ij}-y_j^{-}|+\underset{i}{\mathrm{\ρ}\left(j\right)\max }\underset{j}{\max }|y_{ij}-y_j^{-}|}{|y_{ij}-y_j^{-}|+\mathrm{\ρ}\left(j\right)\underset{i}{\max }\underset{j}{\max }|y_{ij}-y_j^{-}|}$

上式中：ξ_ij ⁺表示第i个待评估项目的第j项标准归一化油气标数据与所述理想解之间的关联度；y_ij表示第i个待评估项目的第j项标准归一化油气标数据；表示第j项标准归一化油气标数据对应的理想解；ρ(j)表示第j项标准归一化油气标数据的分辨系数；ξ_ij ^-表示第i个待评估项目的第j项标准归一化油气标数据与所述负理想解之间的关联度；表示第j项标准归一化油气标数据对应的负理想解；i表示待评估项目的数量，i＝1...n；n表示待评估项目的总数量；j表示待评估项目的标准归一化油气标数据的数量j＝1...m；m表示标准归一化油气标数据的总数量。

28.根据权利要求18或19任意一项所述的装置，其特征在于，所述装置还包括：

第一风险效益评估处理模块，用于根据所述待评估项目和预设参考项目之间的贴近度数据进行相应的待评估项目的风险效益评估处理。

29.根据权利要求18或19任意一项所述的装置，其特征在于，所述装置还包括：

数据划分模块，用于按照所述标准归一化油气指标数据所对应的关注属性将所述标准归一化油气指标数据划分为地上油气指标数据和地下油气指标数据；

第一数据计算模块，用于基于层次分析法分别对所述地上油气指标数据和地下油气指标数据主观权重计算，得到与所述地上油气指标数据相对应的地上主观权重数据以及与所述地下油气指标数据相对应的地下主观权重数据；

第二数据计算模块，用于基于主成分分析法分别对所述地上油气指标数据和地下油气指标数据进行客观权重计算，得到与所述地上油气指标数据相对应的地上客观权重数据以及与所述地下油气指标数据相对应的地下客观权重数据；

第二数据处理模块，用于利用最小鉴别信息原理确定综合权重计算公式，基于所述综合权重计算公式、所述地上主观权重数据和所述地上客观权重数据计算得到地上综合权重数据；以及基于所述综合权重计算公式、所述地下主观权重数据和所述地下客观权重数据计算得到地下综合权重数据；

第三数据计算模块，用于将所述地上综合权重数据和预设参考地上综合权重数据相乘得到相应的待评估项目的地上综合指标数据，以及将所述地下综合权重数据和预设参考地下综合权重数据相乘得到相应的待评估项目的地下综合指标数据。

30.根据权利要求29所述的装置，其特征在于，所述装置还包括：

第二风险效益评估处理模块，用于根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、以及所述地下综合指标数据进行相应的待评估项目的风险效益评估处理。

31.根据权利要求29所述的装置，其特征在于，所述装置还包括：

距离优化数据计算模块，用于根据所述地上综合权重数据、所述预设参考地上综合权重数据、所述地下综合权重数据、所述预设参考地下综合权重数据、以及多维空间欧式距离公式计算得到相应的待评估项目的距离优化数据。

32.根据权利要求31所述的装置，其特征在于，所述装置还包括：

第三风险效益评估处理模块，用于根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、所述地下综合指标数据以及所述距离优化数据进行相应的待评估项目的风险效益评估处理。

33.根据权利要求29所述的装置，其特征在于，所述装置还包括：

油气指标的敏感性影响数据计算模块，用于根据所述地上综合权重数据、所述预设参考地上综合权重数据、所述地下综合权重数据和所述预设参考地下综合权重数据计算得到相应的待评估项目的油气指标的敏感性影响数据。

34.根据权利要求33所述的装置，其特征在于，所述装置还包括：

第四风险效益评估处理模块，用于根据所述待评估项目和预设参考项目之间的贴近度数据、所述地上综合指标数据、所述地下综合指标数据以及所述油气指标的敏感性影响数据进行相应的待评估项目的风险效益评估处理。