一种钻井风险评估方法及装置

摘要

本说明书实施例提供一种钻井风险评估方法及装置。所述方法包括：获取完工钻井的事故数据和地震属性数据；根据所述事故数据和所述地震属性数据，训练风险评估模型；根据待钻井区域的地震属性数据，利用所述风险评估模型对钻井风险进行评估。通过上述钻井风险评估方法，结合了完工钻井区域的地震属性，不仅有效地利用了完工钻井中的数据，而且在结合地震属性对钻井事故的影响情况下计算得到相应的风险评估模型，从而实现了定量准确地对钻井风险的评估，有利于后续过程中钻井工程的开展。

权利要求

1.一种钻井风险评估方法，其特征在于，包括：

获取完工钻井的事故数据和地震属性数据；

基于预设判断条件将所述地震属性数据标记为正常地震属性数据或异常地震属性数据；

根据所述事故数据和所述地震属性数据，训练风险评估模型；其中，包括：根据所述事故数据和所述地震属性数据分别计算对应于正常地震属性数据的第一先验概率和对应于异常地震属性数据的第二先验概率；根据所述第一先验概率和所述第二先验概率计算地震属性影响概率；根据所述地震属性影响概率计算对应于地震属性数据的风险评估模型；所述根据所述第一先验概率和所述第二先验概率计算对应于地震属性数据的地震属性影响概率，包括：利用公式 计算地震属性影响概率，式中，A为异常地震属性数据， 为正常地震属性数据，C为事故数据，P(C/A)为第二先验概率， 为第一先验概率，Pi为地震属性影响概率；所述根据所述事故数据和所述地震属性数据，训练风险评估模型，包括：根据待评估属性影响概率计算对应于所述待评估地震属性的风险发生概率；所述根据所述待评估属性影响概率计算对应于所述待评估地震属性的风险发生概率，包括：利用公式 计算对应于所述待评估地震属性的风险发生概率，式中，AL为修正因素，PL为修正概率，C为事故数据，Asub为待评估地震属性，Ai为地震属性，Pi为待评估属性影响概率；

根据待钻井区域的地震属性数据，利用所述风险评估模型对钻井风险进行评估。

2.如权利要求1所述的方法，其特征在于，所述事故数据包括事故位置数据；

所述地震属性数据，包括以下至少一种：相干体数据、曲率体数据、蚂蚁体数据。

3.如权利要求1所述的方法，其特征在于，所述风险评估模型包括贝叶斯网络。

4.如权利要求1所述的方法，其特征在于，所述风险评估模型包括对应于地震属性的风险发生概率；所述根据所述事故数据和所述地震属性数据，训练风险评估模型之前，还包括：在地震属性中选取待评估地震属性；

获取对应于待评估地震属性的待评估属性影响概率。

5.如权利要求4所述的方法，其特征在于，所述根据所述待评估属性影响概率计算对应于所述待评估地震属性的风险发生概率，包括：结合修正因素所对应的修正概率和所述待评估属性影响概率，计算对应于所述待评估地震属性的风险发生概率。

6.如权利要求4所述的方法，其特征在于，所述根据待钻井区域的地震属性数据，利用所述风险评估模型对钻井风险进行评估，包括：根据所述风险评估模型获取对应于所述地震属性数据的风险发生概率作为评估风险概率；

基于所述评估风险概率对钻井风险进行评估。

7.一种钻井风险评估装置，其特征在于，包括：

数据获取模块，用于获取完工钻井的事故数据和地震属性数据；

数据标记模块，用于基于预设判断条件将所述地震属性数据标记为正常地震属性数据或异常地震属性数据；

模型训练模块，用于根据所述事故数据和所述地震属性数据，训练风险评估模型；其中，包括：根据所述事故数据和所述地震属性数据分别计算对应于正常地震属性数据的第一先验概率和对应于异常地震属性数据的第二先验概率；根据所述第一先验概率和所述第二先验概率计算地震属性影响概率；根据所述地震属性影响概率计算对应于地震属性数据的风险评估模型；所述根据所述第一先验概率和所述第二先验概率计算对应于地震属性数据的地震属性影响概率，包括：利用公式 计算地震属性影响概率，式中，A为异常地震属性数据， 为正常地震属性数据，C为事故数据，P(C/A)为第二先验概率，为第一先验概率，Pi为地震属性影响概率；所述根据所述事故数据和所述地震属性数据，训练风险评估模型，包括：根据待评估属性影响概率计算对应于所述待评估地震属性的风险发生概率；所述根据所述待评估属性影响概率计算对应于所述待评估地震属性的风险发生概率，包括：利用公式 计算对应于所述待评估地震属性的风险发生概率，式中，AL为修正因素，PL为修正概率，C为事故数据，Asub为待评估地震属性，Ai为地震属性，Pi为待评估属性影响概率；

风险评估模块，用于根据待钻井区域的地震属性数据，利用所述风险评估模型对钻井风险进行评估。

说明书

一种钻井风险评估方法及装置

技术领域

[0001] 本说明书实施例涉及地质勘探开发技术领域，特别涉及一种钻井风险评估方法及装置。

背景技术

[0002] 在地质勘探及开发的过程中，不可避免地会涉及到在地层中钻井。但由于地层中的裂缝发育往往伴生有破碎带，而破损带的存在提供了天然的漏失通道，且会改变井周岩石力学状态。在钻井的过程中，若处理不得到，极易依次造成井壁垮塌、恶性井漏等钻井事故，严重威胁钻井安全，从而妨碍钻井生产。因此，在钻井之前，对钻井的风险进行精确的评估具有重要的意义。

[0003] 但是，目前在钻井之前对钻井的风险进行评价时，往往会忽视地震属性与钻井风险之间的关联性，而只针对地震属性异常的区域进行定性判断，这样的评价方式不仅造成评价结果的不准确，对于钻井过程中的具体的风险发生概率也无法提供较为准确的评价结果，从而在实际应用中并不会较好地帮助钻井生产的进行。因此，目前亟需一种准确地对钻井风险进行评估的方法。

发明内容

[0004] 本说明书实施例的目的是提供一种钻井风险评估方法及装置，以解决如何准确地对钻井风险进行评估的问题。

[0005] 为了解决上述技术问题，本说明书实施例所提出的一种钻井风险评估方法及装置是这样实现的：

[0006] 一种钻井风险评估方法，包括：

[0007] 获取完工钻井的事故数据和地震属性数据；

[0008] 根据所述事故数据和所述地震属性数据，训练风险评估模型；

[0009] 根据待钻井区域的地震属性数据，利用所述风险评估模型对钻井风险进行评估。

[0010] 一种钻井风险评估装置，包括：

[0011] 数据获取模块，用于获取完工钻井的事故数据和地震属性数据；

[0012] 模型训练模块，用于根据所述事故数据和所述地震属性数据，训练风险评估模型；

[0013] 风险评估模块，用于根据待钻井区域的地震属性数据，利用所述风险评估模型对钻井风险进行评估。

[0014] 由以上本说明书实施例提供的技术方案可见，本说明书实施例在对钻井的风险进行评估时，首先获取完工钻井的事故数据和地震属性数据，并结合所述事故数据和所述地震属性数据训练对应于所述地震属性数据的风险评估模型，进而利用所述风险评估模型对待钻井区域进行钻井风险评估。在上述评估过程中结合了完工钻井区域的地震属性，不仅有效地利用了完工钻井中的数据，而且在结合地震属性对钻井事故的影响情况下计算得到相应的风险评估模型，从而实现了定量准确地对钻井风险的评估，有利于后续过程中钻井工程的开展。

附图说明

[0015] 为了更清楚地说明本说明书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说明书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的前提下，还可以根据这些附图获得其他的附图。

[0016] 图1为本说明书实施例一种钻井风险评估方法的流程图；

[0017] 图2为本说明书实施例一种获取低频相干属性样本数据的示意图；

[0018] 图3为本说明书实施例一种获取一维低频相干属性曲线的示意图；

[0019] 图4为本说明书实施例一种钻井风险评估装置的模块图。

具体实施方式

[0020] 下面将结合本说明书实施例中的附图，对本说明书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说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，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，都应当属于本说明书保护的范围。

[0021] 为了解决上述技术问题，本说明书提出了一种钻井风险评估方法。如图1所示，所述钻井风险评估方法具体包括：

[0022] S110：获取完工钻井的事故数据和地震属性数据。

[0023] 完工钻井是已经钻完的生产井或测量井等。优选的，为了更好地结合钻井事故与地震属性之间的联系，可以选取出现过事故的钻井作为完工钻井，从而能够更好地针对所述完工钻井获取相应的事故数据，进而在后续步骤中实现风险评估模型的构建。

[0024] 事故数据是对应于所述完工钻井所出现的钻井事故或异常情况的数据。所述事故数据可以是钻井中的异常情况所对应的数据，例如钻井中的裂缝带或破碎带的分布情况，也可以是钻井中所出现的事故所对应的数据，例如钻井过程中所出现的井漏、卡钻等情况所对应的数据。实际应用中对于事故数据并不限于上述示例，在此不再赘述。

[0025] 为了更好地与地震属性进行关联，在获取对应于完工钻井的事故数据时，所述事故数据可以包括钻井事故位置数据。所述钻井事故位置数据即为完工钻井中的异常情况或事故所出现的位置的数据。在获取到所述钻井事故位置数据之后，能够更为方便地获取与所述钻井事故位置数据相对应的地震属性数据。

[0026] 地震属性数据是对应于所述完工钻井的地震属性所对应的数据。地震属性用于表示地层中的地震波的属性，例如可以是振幅、频率、相位、能量、波形、波阻抗、波速、相关和比率等属性。通过所述地震属性数据，能够表征地震波的特征信息，从而体现地震波所对应的地层的特点，进而对不同类型的地质进行区分。

[0027] 在一些实施方式中，所述地震属性数据可以包括相干体数据、曲率体数据和蚂蚁体数据中的至少一种。

[0028] 相干体数据指由三维地震数据体经过相干处理而得到的一个新的数据体，例如可以在三维数据体中，求每一道每一样点处小时窗内分析点所在道与相邻道波形的相似性，进而所形成的一个表征相干性的三维数据体，作为相干体数据。

[0029] 曲率体数据主要是在三维数据体中用于表征层面上某一处的变形弯曲的程度。

[0030] 蚂蚁体数据是利用“蚂蚁追踪算法”，利用三维地震体数据，显示出断层轮廓，并提取断层面，从而更清晰直观地完成断层解释的数据。

[0031] 将上述相干体数据、曲率体数据和蚂蚁体数据作为地震属性数据，能够使得所述地震属性数据能够更贴合地层的特点，进而更好地与不同特点的地质区域进行匹配，从而能够在后续的计算过程中与事故数据进行关联。

[0032] 在一些实施方式中，获取所述地震属性数据的方式可以是收集所述完工钻井所在工区所对应的三维叠后地震数据体，在所述三维叠后地震数据体中标记所述完工钻井的井轨迹，并沿所述井轨迹在所述三维叠后地震数据体中抽取出一维的地震属性曲线，将所述地震属性曲线所对应的数据作为地震属性数据。

[0033] 基于上述实施方式，可以根据实际应用中地震属性数据所对应的地震属性，在获取到所述三维叠后地震数据体之后，在所述三维叠后地震数据体中筛选出对应于所述地震属性的数据体，并在筛选后的数据体中基于完工钻井的井轨迹抽取一维属性曲线，作为对应于所述地震属性的地震属性数据。

[0034] 如图2所示，为在所述三维叠后地震数据体中提取出的对应于低频相干属性的数据体，以及在所述低频相干属性数据体中沿完工钻井的井轨迹。可以根据所述井轨迹在所述低频相干属性的数据体中提取出相应的一维属性曲线作为低频相干属性样本数据，进行后续过程中的计算。

[0035] 如图3所示，为在所述低频相干属性数据体中沿完工钻井的井轨迹所提取出的一维属性曲线。可以将所述一维属性曲线所对应的数据作为低频相干属性样本数据，进行后续过程的计算。

[0036] 上述分别获取低频相干属性的过程只是获取地震属性数据的示例性说明，并不对获取地震属性数据的过程构成限制，实际应用中也可以根据生产需要利用其它方式获取地震属性数据，在此不做赘述。

[0037] 在一些实施方式中，考虑到地震属性数据的分辨率特征，可以在获取到地震属性曲线之后，对一定深度范围内的地震属性数据求取平均值作为该深度范围内的固定的地震属性数据值。例如，可以设置所述深度范围为15米，并分别针对15米的深度范围的地震属性曲线所对应的属性值求取平均，分别作为相应的于该深度范围的地震属性数据的数据值，从而更好地量化数据，方便后续过程中的计算。

[0038] 在一些实施方式中，在获取到所述地震属性数据之后，还可以基于预设判断条件将所述地震属性数据标记为正常地震属性数据或异常地震属性数据。所述正常地震属性数据表示该数据位于所划定的正常范围之内，所述异常地震属性数据表述该数据不在所划定的正常范围中。相应的，若在该深度范围内存在钻井事故或异常情况，在后续计算中可以认为在这一深度范围内发生事故的概率为100％。

[0039] 所述预设判断条件，可以是预先根据区域地质经验以及专家的经验所设定的阈值，基于所述阈值来判断地震属性数据的正常或异常情况。

[0040] 利用一个具体的示例进行说明，在该示例中设定地震属性包括高频相干属性、低频相干属性、高频最大曲率属性、低频最大曲率属性这四种属性，基于完工钻井所对应的工区中的地质特点以及专家的经验，分别将预设判断条件设定为判定高频相干属性样本数据为异常地震属性数据的标准为小于0.6，判定低频相干属性样本数据为异常地震属性数据的标准为小于0.65，判定高频最大曲率属性样本数据为异常地震属性数据的标准为大于0.08，判定低频最大曲率属性样本数据为异常地震属性数据的标准为大于0.1。在设定上述预设判断条件之后，实际应用中可以根据所获取的地震属性数据的值以及上述预设判断条件来划分正常地震属性数据和异常地震属性数据。

[0041] S120：根据所述事故数据和所述地震属性数据，训练风险评估模型。

[0042] 风险评估模型用于根据地震属性确定发生钻井事故的概率。例如，在选取高频相干属性、低频相干属性、高频最大曲率属性、低频最大曲率属性作为地震属性时，所计算得到的风险评估模型可以用于评估这四项属性分别为正常或异常时发生钻井事故的概率。例如，在待钻井区域测得某一位置处的高频相干属性、高频最大曲率属性为正常，低频相干属性、低频最大曲率属性为异常，在风险评估模型中确定对应于上述四个地震属性的正常或异常情况的风险发生概率，可以作为在该位置处进行钻井后出现事故的概率。

[0043] 在一些实施例中，计算所述风险评估模型之前，可以先根据所述事故数据和所述地震属性数据分别计算对应于正常地震样本属性数据的第一先验概率和对应于异常地震属性数据的第二先验概率。所述第一先验概率，表示在所述地震样本属性数据为正常地震样本属性数据时发生钻井事故的概率；所述第二先验概率，表示在所述地震样本属性数据为异常地震样本属性数据时发生钻井事故的概率。

[0044] 计算得到所述第一先验概率和所述第二先验概率之后，根据所述第一先验概率和所述第二先验概率计算对应于地震属性数据的地震属性影响概率。所述地震属性影响概率，表示该地震属性对发生钻井事故的影响程度。

[0045] 具体的，可以利用公式 计算地震属性影响概率，式中，A为异常地震属性数据， 为正常地震属性数据，C为事故数据，P(C/A)为第二先验概率，为第一先验概率，Pi为地震属性影响概率。

[0046] 利用一个具体的示例进行说明，令A1表示为异常高频相干属性样本数据，在利用对应于完工钻井的数据进行计算后得到P(M＝1|A1＝1)＝0.42，P(M＝1|A1＝0)＝0.10，即在高频相干属性样本数据为异常时发生钻井事故的概率为0.42，在高频相干属性样本数据为正常时发生钻井事故的概率为0.1。再利用公式 计算得到对应于高频相干属性样本数据的地震属性影响概率为0.58。

[0047] 在获取所述地震属性影响概率之后，可以根据所述地震属性影响概率计算对应于地震属性数据的风险评估模型。

[0048] 在一些实施方式中，可以基于Leaky Noisy-OR gate贝叶斯网络计算得到所述风险评估模型。Noisy-OR gate贝叶斯网络是一种描述n个双值变量Ai与产生共同影响的子节点C的交互模型。其中，每个所述双值变量只有两种状态，可以分别定义为真值与假值。应用于本实施例中可以将所述双值变量Ai分别设置为各个异常地震属性数据a1,a2,...,an，且各个异常地震属性数据为真值时是ai，为假值是 ，即异常地震属性数据对应于ai，正常地震属性数据对应于 子节点C可以设置为事故数据，从而使得各个地震属性数据域事故数据之间产生关联。Noisy-OR gate贝叶斯模型要求各个变量之间相互独立，而在本实施例中由于获取各种地震属性可以采用不同的计算原理，进而提取出不同的地震剖面性质，可以使得不同的地震属性所对应的地震属性数据之间无因果联系，符合模型要求。

[0049] 在一些实施方式中，所述风险评估模型可以包括对应于具体的若干个地震属性的风险发生概率。具体的，可以在地震属性中选取待评估地震属性，并利用所述待评估地震属性计算对应于所述待评估地震属性的风险发生概率。所述对应于待评估地震属性的风险发生概率用于反映在待评估地震属性异常时发生钻井事故的概率。

[0050] 利用一个具体的示例进行说明，在选取高频相干属性、低频相干属性、高频最大曲率属性、低频最大曲率属性作为地震属性后，可以从中选取高频相干属性、低频相干属性作为待评估地震属性。在计算得到对应于所述高频相干属性和低频相干属性的待评估属性影响概率之后，基于所述待评估属性影响概率计算得到的风险发生概率，用于反映在只有所述高频相干属性和所述低频相干属性为异常的情况下发生钻井事故的概率。

[0051] 通过上述选取待评估地震属性并计算相应的风险发生概率的方式能够针对实际生产中的各种情况获取相应的风险发生概率，从而能够更好地结合实际情况对钻井风险进行准确的评估。

[0052] 在一些实施方式中，为了避免其他环境因素对计算结果所造成的影响，可以引入修正因素，并结合实际计算结果和人为经验判定确定对应于所述修正因素的修正概率。所述修正因素，可以是在计算时并未考虑在内的包括环境、计算误差等可能会对计算结果造成影响的因素，相应的，所述修正概率，可以用于表述所述修正因素对计算结果的影响程度。例如，可以设定所述修正概率为5％，并结合所述修正概率进行相应的风向发生概率的计算。通过所述修正概率的引入，在计算的过程中对环境因素等较难进行统一准确计算的因素进行了归纳，进一步地保证了计算结果的准确性。

[0053] 具体的，可以利用公式 计算对应于所述待评估地震属性的风险发生概率，式中，AL为修正因素，PL为修正概率，C为事故数据，Asub为待评估地震属性，Ai为地震属性，Pi为待评估属性影响概率。其中，Ai为总的所选取的地震属性，Asub为在本次计算中所选取的地震属性。例如，在Ai包含高频相干属性，低频相干属性，高频最大曲率属性，低频最大曲率属性时，可以设定Asub为高频相干属性，低频相干属性，相应的利用对应于所述高频相干属性和低频相干属性的待评估属性影响概率进行计算，从而计算得到在高频相干属性和低频相干属性为异常时的风险发生概率。

[0054] S130：根据待钻井区域的地震属性数据，利用所述风险评估模型对钻井风险进行评估。

[0055] 地震属性数据是在所述待钻井区域中测量得到的地震属性数据。优选的，可以根据计算所述风险评估模型时所利用的地震属性，在所述待钻井区域中测量对应于相应的地震属性的地震属性测量数据，从而避免获取冗余的数据，加快评估的过程。

[0056] 在一些实施方式中，可以获取对应于所述地震属性数据的风险发生概率作为评估风险概率。具体的，例如根据测量得到的对应于所述待钻井区域的地震属性数据，确定其中的低频相干属性，高频最大曲率属性为异常，则可以根据上述步骤中所计算出的风险评估模型获取对应于低频相干属性，高频最大曲率属性为异常时的风险发生概率，并结合所述风险发生概率对钻井风险进行评估。

[0057] 在一些实施方式中，在针对钻井风险进行评估时，也可以基于步骤S120中的方法，根据预先划定的深度范围将所述地震属性数据划分为若干个深度范围，并分别求取各个深度范围内的地震属性数据的平均值，并利用所求取的平均值结合所述风险评估模型确定钻井风险发生的概率。基于上述步骤，依次对所述待钻井区域中所划分的各个深度范围内的钻井风险进行评估，从而完成对所述待钻井区域的钻井风险的评估。

[0058] 具体的在结合风险发生概率对钻井风险进行评估时，可以针对所述风险发生概率设置风险阈值，在所述风险发生概率超出所述风险阈值时，认为在该处进行钻井出现事故的风险较高。例如，设定所述风险阈值为30％，若计算得到某处对应的风险发生概率为70％，则认为该出的钻井风险较高，实际钻井的过程中应注意避免在此处进行钻井。

[0059] 通过上述钻井风险评估方法，在对钻井风险进行评估时，基于钻井事故与地震属性数据建立了相应的风险评估模型，使得所述风险评估模型考虑到了钻井事故与地震属性数据之间的关联性。此外，通过所述风险评估模型计算出了具体的风险发生概率，也能够更为直观地针对钻井过程进行指导。因此，上述钻井风险评估方法准确定量地实现了对钻井风险的评估，有利于后续过程中钻井工程的开展。

[0060] 基于上述钻井风险评估方法，本说明书还提出一种钻井风险评估装置的实施例。如图4所示，所述钻井风险评估装置具体包括：

[0061] 数据获取模块410，用于获取对应于完工钻井的事故数据和地震属性数据；

[0062] 模型训练模块420，用于结合所述事故数据和所述地震属性数据训练对应于所述地震属性数据的风险评估模型；

[0063] 风险评估模块430，用于根据待钻井区域的地震属性测量数据，利用所述风险评估模型对钻井风险进行评估。

[0064] 在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable Gate Array，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby Hardware Description Language)等，目前最普遍使用的是VHDL(Very-High-Speed Integrated Circuit Hardware Description Language)与Verilog2。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

[0065] 上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

[0066] 通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本说明书可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本说明书的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本说明书各个实施例或者实施例的某些部分所述的方法。

[0067] 本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。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。

[0068] 本说明书可用于众多通用或专用的计算机系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

[0069] 本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

[0070] 虽然通过实施例描绘了本说明书，本领域普通技术人员知道，本说明书有许多变形和变化而不脱离本说明书的精神，希望所附的权利要求包括这些变形和变化而不脱离本说明书的精神。