油田生产决策工作以勘探开发数据的分析结果为导向。因此,勘探开发数据质量的优劣是决策工作是否准确的重要影响因素,引起了油田工作人员的广泛关注。通过调研发现,现存的质检方法是依据人工经验对数据进行甄别和筛选,这种方法虽能完成勘探开发数据质检工作,但存在由于质检知识覆盖不全、描述不准、更新速度慢、重用率低而引起的质检效率低、质检结果准确率低的问题,最终导致在油田生产决策工作中,数据分析周期长、结果准确率低,不利于油田的开发生产。因此,制定科学合理的数据质量检查方法是数据分析准确的重要保障。本文针对上述质检方法存在的问题,在深入了解国内外油田数据质检工作的基础上,提出了一种基于专家系统辅以机器学习的智能质检方法,为勘探开发数据质量检查提供实时性强、有效性高的服务支撑。首先,深入研究勘探开发数据质检工作的现状,分析勘探开发数据质检的实际流程以及特点、难点,设计勘探开发数据智能质量检查模型的总体框架,并针对模型组成和可行性进行分析;其次,对质检知识进行分析,并以此为依据构建知识库,设计基于实例和规则推理相结合的综合推理机;再次,针对专家系统不具备从经验中学习的能力,无法自动修改知识库的问题,设计了基于孤立森林算法的知识自动更新机制;最后,设计并实现勘探开发数据智能质量检查系统,以基于工作流的机制实现勘探开发数据的智能质量检查。应用结果表明,勘探开发数据智能质量检查系统能够较好的实现当前勘探开发数据的质检工作,并极大地提高了工作效率,满足了油田实际工作的刚性需求,达到了提高数据质检工作效率和质检准确率的目的。与此同时,本课题的理论研究成果提高了勘探开发数据质检的智能化水平,推动了油田面向智能化的发展。因此,本课题的研究具有一定的理论研究意义和应用价值。