一种面向油气领域的生产智能决策系统及方法

1.本发明涉及油气开发技术领域，特别是指一种面向油气领域的生产智能决策系统及方法。


背景技术：

2.大数据、人工智能与油气工业融合是能源行业“新基建”的时代；核心之一，更是油气企业智能化产业升级的重大需求。目前传统油气企业积累了丰富的数据资源，但是面临着数据种类多、结构复杂、行业知识联系不紧密、业务场景关联少等问题。大数据技术可以将海量油气数据流程化处理及快速提取，人工智能算法可以将数据进行专业化融合以及精准挖掘，因此亟需开展大数据人工智能技术在油气领域的创新研究，研制面向油气领域生产智慧决策平台，形成基于油气多源异构数据体的流水线式汇聚、集成、处理与融合的集成框架，融合基于大数据和人工智能的多场景生产调控预测技术，实现油气工业的数字化、智能化转型以及油气企业的降本增效。
3.在数字化时代，石油行业油田勘探开发领域长期执行着在it时代编制的一种数据业务模型，称之为posc，一直作为油田数据建设和信息管理系统的数据业务模型执行，处理着数据与业务的运行关系。
4.但是在油田勘探开发中，现有的it架构已经不能适应生产需求，面临着数据种类多、结构复杂、行业知识联系不紧密、业务场景关联少等问题。


技术实现要素：

5.本发明要解决的技术问题是提供一种面向油气领域的生产智能决策系统及方法，可以解决上述现有的it架构已经不能适应生产需求，获得的数据不准确，数据处理不及时、处理结果不准确，不能满足正常的生产决策的问题。
6.为解决上述技术问题，本发明提供如下技术方案：
7.一方面，提供了一种面向油气领域的生产智能决策系统，所述系统包括：
8.油气多源异构数据治理模块，用于实现油气领域数据一体化治理；
9.油气生产智慧决策平台业务模块，用于实现油气生产智慧决策、智慧储运集输、智慧运营销售以及系统管理与运维；
10.智能算法构件库，用于提供基础算法以及基于特定场景定制化开发的智能算法；
11.功能模块容器化封装以及自动化管理模块，用于将油气多源异构数据、智能算法构件库、智能服务构件库进行容器化封装，进行容器统一调度和管理；
12.不同场景下模型自定义开发模块，用于搭建面向不同场景的专业化模型。
13.在一种可选的实施例中，所述生产智慧决策模块包括：
14.设备层，用于提供包括网络传输、云计算、云存储、通用型大数据处理环境、高性能计算网格、人工智能计算与数据服务多项基础设施资源服务；
15.环境支撑层，用于为处理海量油气多源异构数据体提供环境支撑；
16.数据中台层，包括数据采集单元、数据处理单元以及数据计算单元；
17.微服务应用层，用于基于微服务技术实现各个场景下的应用；
18.用户层，用于实现不同用户对系统微服务功能以及油气数据的使用。
19.在一种可选的实施例中，所述油气多源异构数据治理模块包括
20.原始数据库，用于存储油气领域多源异构数据；
21.原始油气大数据资源池，用于对存储的油气领域多源异构数据进行分类打包；
22.数据处理单元，用于根据油气行业已有的数据标准以及自定义标准对原始数据进行统一标准化处理；
23.数据服务单元，用于直接提取所述原始数据库中的数据，以及对外开放数据服务通道，使所述系统根据需求快速调用所述原始数据库中的数据。
24.在一种可选的实施例中，所述油气生产智慧决策平台业务模块包括：
25.油气上游生产智慧决策单元，用于实现从油田开发、智能预测、效果评价、参数优化、智慧决策一体化智能算法服务；
26.油气中游智慧储运集输单元，用于中游服务人员以及管理人员掌握油气的动态信息，为油气储运提供指导；
27.油气下游智慧运营销售单元，用于根据油气下游设施管理、市场价格分析、市场供需、用户情况进行智能预测，实现油气贸易智慧指导；
28.系统的管理与运维单元，用于控制不同用户面向所述系统中每个模块的操作权限。
29.在一种可选的实施例中，所述智能算法构件库包括：
30.由机器学习以及经典模拟算法构成的基础算法库，
31.基于特定场景定制化开发的智能算法库。
32.在一种可选的实施例中，所述功能模块容器化封装以及自动化管理模块包括：
33.分布式存储单元、缓存读写单元、接口认证单元、统一认证单元、访问控制单元、服务控制单元、设备服务单元、用户服务单元与分析接口单元。
34.在一种可选的实施例中，所述油气上游生产智慧决策单元包括：注采参数智能优化单元，新井目标智能决策单元，测井解释智能分析单元，压裂效果智能评价单元，开发效果智能调控单元，油气产量智能预测单元，油气产能智能标定单元，储层物性智能预测单元。
35.在一种可选的实施例中，所述油气中游智慧储运集输单元包括：lng储气库管理单元、lng接收站管理单元、lng工厂管理单元以及天然气管道输运单元。
36.在一种可选的实施例中，所述油气下游智慧运营销售单元包括天然气设施智慧管理单元、市场价格智能分析单元、市场供需智能预测单元、天然气贸易智慧指导单元、天然气用户单元以及地下储气库管理单元。
37.另一方面，提供了一种面向油气领域的生产智能决策方法，所述方法包括：
38.通过油气多源异构数据治理模块根据油气行业已有的数据标准以及自定义标准对原始数据进行统一标准化处理、清洗补全、关联融合后，放入数据湖或数据池中；
39.基于专家知识对油气上、中、下游业务进行全面的梳理，分析不同场景下数据的关联关系，建立油气数据知识图谱，将所有梳理的业务进行汇聚并构建业务架构；
40.集成传统数值模拟方法以及经典机器学习方法，并可以根据不同应用场景自定义搭建融合物理约束的机器学习模型，并通过智能算法构件库根据特定数据和特定业务进行智能计算；
41.通过功能模块容器化封装以及自动化管理模块对油气多源异构数据、智能算法构件库、智能服务构件库进行容器化封装，进行容器统一调度和管理；
42.根据智能计算的结果通过不同场景下模型自定义开发模块搭建面向不同场景的专业化模型；
43.通过油气生产智慧决策平台业务模块实现油气生产智慧决策、智慧储运集输、智慧运营销售以及系统管理与运维。
44.本发明实施例提供的上述技术方案的有益效果如下：
45.本发明实施例提供的系统，通过油气多源异构数据治理模块建立了油气多源异构数据体的流水线式汇聚、集成、处理与融合的集成框架，实现数据种类多、结构复杂的油气领域数据一体化治理；通过油气生产智慧决策平台业务模块实现油气生产智慧决策、智慧储运集输、智慧运营销售以及系统管理与运维，增强行业知识紧密联系；通过智能算法构件库融合了基于大数据和人工智能的多场景生产调控预测技术，并形成了面向油气领域知识图谱以及不同场景下模型端到端无代码的自定义开发模式，提供基础算法以及基于特定场景定制化开发的智能算法；通过功能模块容器化封装以及自动化管理模块，将油气多源异构数据、智能算法构件库、智能服务构件库进行容器化封装，进行容器统一调度和管理；通过不同场景下模型自定义开发模块，搭建面向不同场景的专业化模型，解决了油气行业生产中业务场景关联少等问题，通过上述模块配合实现对油气领域的生产进行智慧决策。本发明实施例提供的系统对油气行业数字化及智能化发展有着重要作用，实现了降本增效的目的。
附图说明
46.图1为面向油气领域的生产智能决策系统简单框图示意图；
47.图2为面向油气领域的生产智能决策系统总体框架图；
48.图3油气多源异构数据治理流程图；
49.图4面向油井堵塞场景的知识图谱结构示意图；
50.图5为面向油气领域的生产智能决策系统业务架构图；
51.图6为面向油气领域的生产智能决策系统各业务模块示意图；
52.图7为人工智能算法库、经典模型算法库以及基于特定场景的融合算法示意图；
53.图8为面向油气领域的生产智能决策系统不同场景模块示意图；
54.图9为算法自定义编辑模块的模型搭建界面图；
55.图10为算法自定义编辑模块的模型结果可视化展示界面。
具体实施方式
56.为使本发明要解决的技术问题、技术方案和优点更加清楚，下面将结合附图及具体实施例进行详细描述。
57.在数字化时代，石油行业油田勘探开发领域长期执行着在it时代编制的一种数据
业务模型，称之为posc，一直作为油田数据建设和信息管理系统的数据业务模型执行，处理着数据与业务的运行关系。但是在油田勘探开发中，现有的it架构已经不能适应生产需求，面临着数据种类多、结构复杂、行业知识联系不紧密、业务场景关联少等问题。鉴于此，本发明实施例提供了一种面向油气领域的生产智能决策系统及决策方法，以解决上述技术问题。
58.一方面，请一并参见图1和图2，本发明实施例提供了一种面向油气领域的生产智能决策系统，系统包括：
59.油气多源异构数据治理模块101，用于实现油气领域数据一体化治理。
60.油气生产智慧决策平台业务模块102，用于实现油气生产智慧决策、智慧储运集输、智慧运营销售以及系统管理与运维。
61.智能算法构件库103，用于提供基础算法以及基于特定场景定制化开发的智能算法。
62.功能模块容器化封装以及自动化管理模块104，用于将油气多源异构数据、智能算法构件库103、智能服务构件库进行容器化封装，进行容器统一调度和管理。
63.不同场景下模型自定义开发模块105，用于搭建面向不同场景的专业化模型。
64.本发明实施例提供的上述技术方案的有益效果如下：
65.本发明实施例提供的系统，通过油气多源异构数据治理模块101建立了油气多源异构数据体的流水线式汇聚、集成、处理与融合的集成框架，实现数据种类多、结构复杂的油气领域数据一体化治理；通过油气生产智慧决策平台业务模块102实现油气生产智慧决策、智慧储运集输、智慧运营销售以及系统管理与运维，增强行业知识紧密联系；通过智能算法构件库103融合了基于大数据和人工智能的多场景生产调控预测技术，并形成了面向油气领域知识图谱以及不同场景下模型端到端无代码的自定义开发模式，提供基础算法以及基于特定场景定制化开发的智能算法；通过功能模块容器化封装以及自动化管理模块104，将油气多源异构数据、智能算法构件库103、智能服务构件库进行容器化封装，进行容器统一调度和管理；通过不同场景下模型自定义开发模块105，搭建面向不同场景的专业化模型，解决了油气行业生产中业务场景关联少等问题，通过上述模块配合实现对油气领域的生产进行智慧决策。本发明实施例提供的系统对油气行业数字化及智能化发展有着重要作用，实现了降本增效的目的。
66.以下通过可选的实施例进一步解释和描述本发明实施例提供的系统。
67.在一种可选的实施例中，生产智慧决策模块包括：
68.设备层，用于提供包括网络传输、云计算、云存储、通用型大数据处理环境、高性能计算网格、人工智能计算与数据服务多项基础设施资源服务。
69.设备层包括中国科技云云服务器，满足windows、linux以及unix操作系统环境，提供包括网络传输、云计算、云存储、通用型大数据处理环境、高性能计算网格、人工智能计算与数据服务等多项基础设施资源服务。
70.环境支撑层，用于为处理海量油气多源异构数据体提供环境支撑。
71.环境支撑层包括大数据全栈组件管理系统，利用hadoop分布式存储为基础，以apache spark和storm为混合计算框架，结合piflow等数据流处理系统，构建了处理海量油气多源异构数据体的环境支撑层。
72.需要说明的是，hadoop是一个由apache基金会所开发的分布式系统基础架构。用户可以在不了解分布式底层细节的情况下，开发分布式程序。充分利用集群的威力进行高速运算和存储。
73.数据中台层，包括数据采集单元、数据处理单元以及数据计算单元。
74.需要说明的是，数据中台层为面向油气领域的生产智能决策系统的核心，包含数据采集单元、数据处理单元以及数据计算单元。
75.进一步地，数据采集单元采集的数据的来源是开放知识数据，包括通过油气专业领域数据库(oracle、mysql，sql等)、油气数值模拟软件(matlab、cmg、eclipse等)以及油气物联网(scada等)，监测实验数据，包括能够提取结构化数据如动态生产数据以及地震反演数据；非结构化数据，如测井曲线以及数字岩心图片，半结构数据如地震解释以及测井报告等，形成油气大数据资源池，数值模拟数据等。
76.数据处理单元主要对油气多源异构数据体进行数据清洗和数据融合，利用局部清洗、全局清洗及统计学方法对缺失、异常数据进行清洗，通过建立面向油气领域的专业知识图谱对清洗后的数据进行关联融合，形成核心的研究数据库、方法库、成果库以及专家知识库。
77.数据计算主要包括了基于hadoop中mapreduce的数据批处理计算、spark streaming流处理计算、自主开发的机器学习算法库及油气数值模拟方法库，可以实现油气海量数据的批处理/流处理与离线/实时计算。
78.微服务应用层，用于基于微服务技术实现各个场景下的应用。
79.微服务应用层是基于微服务技术实现各个场景下的应用模块。
80.在一种可选的实施例中，微服务应用层包括油气上游生产开发单元，油气中游智慧储运集输单元，油气下游智慧销售单元，管理单元。
81.油气上游生产开发单元，包含了储层物性预测、油气产能标定、油气产量预测、效果评价等适用于现场开发人员的应用模块，实现对油田生产开发、测井等方面的针对性指导。油气中游智慧储运集输单元，包含了lng储气库管理、lng接收站管理、lng工厂管理以及天然气管道智慧运维，面向中游服务人员以及管理人员，为油气储运集输提供有效指导；油气下游智慧销售单元，包含了天然气基础设施管理、市场供需预测及价格分析等模块，是面向油气下游销售及市场分析人员的专业化微服务应用；管理单元，专门针对油气生产智慧决策平台的系统管理与运维，对于不同部门与职务人员进行定制化管理以及权限分配，包括用户管理、角色管理、系统公告以及租户管理等。同时微服务应用层还有专门的api服务调用接口，用于对接油气专家系统或者租户体验系统等。
82.用户层5是面向机关单位、研究人员以及管理人员，实现不同人员对平台微服务功能以及油气数据使用。
83.用户层，用于实现不同用户对系统微服务功能以及油气数据的使用。作为一种示例，可以如图2所示，包括机关单位、研究人员和管理人员等。
84.请参见图3，在一种可选的实施例中，油气多源异构数据治理模块101包括：原始数据库，用于存储油气领域多源异构数据。
85.油气领域生产决策平台底层接入原始数据库，包括高校油气科研数据库、石油公司专业数据库、天然气公司专业数据库以及经济评估数据库，数据库类型涵盖oracle、
mysql，sql等。
86.原始油气大数据资源池，用于对存储的油气领域多源异构数据进行分类打包。
87.原始油气大数据资源池将原始数据库的数据按照9个类别进行分类打包，分别为勘探、测井、录井、生产、钻井、运维、实验模拟、经济评价和其他，形成基于原始数据的油气大数据资源池，打破各个机构之间的壁垒。
88.数据处理单元，用于根据油气行业已有的数据标准以及自定义标准对原始数据进行统一标准化处理。
89.数据处理单元根据油气行业已有的数据标准以及自定义标准对原始数据进行统一标准化处理，并利用全局清洗算法搜索数据中缺失和异常问题，并进行数据的补全和除噪，将清洗过的数据通过各自的质量评估体系进行评估，评估不合格的数据需要根据其所属领域和数据特点进行二次清洗，直至通过数据评估，以此来提升数据质量。接着，以清洗后的数据实体为节点，以实体之间的关系作为边，如图4所示，通过专家的经验知识构建了面向油气领域的知识图谱，建立了油气领域的图数据库。
90.数据服务单元，用于直接提取原始数据库中的数据，以及对外开放数据服务通道，使系统根据需求快速调用原始数据库中的数据。
91.数据服务单元可以直接提取原始数据库中的数据，并对外开放数据服务通道，应用层中各个模块可以根据自己需求快速调用原始数据接口。最后，应用层包含了微服务应用、算法调用、可视化服务以及对外服务，可以直接调用通过了数据质量评估的核心数据、油气知识图谱构建的图数据库以及原始油气大数据资源池。油气多源异构数据治理模块101实现了数据采集-清洗-提取-融合的一体化数据治理体系。例如针对油井堵塞问题的专业知识图谱。
92.在一种可选的实施例中，如图5和图6所示，油气生产智慧决策平台业务模块102包括：
93.油气上游生产智慧决策单元，用于实现从油田开发、智能预测、效果评价、参数优化、智慧决策一体化智能算法服务。
94.在一种可选的实施例中，油气上游生产智慧决策单元包括：注采参数智能优化单元，新井目标智能决策单元，测井解释智能分析单元，压裂效果智能评价单元，开发效果智能调控单元，油气产量智能预测单元，油气产能智能标定单元，储层物性智能预测单元。
95.油气上游生产智慧决策单元主要包含了八个集成好的算法模块，每个功能模块下包含了对应各个不同场景的智能算法及应用实例，形成从油田开发-智能预测-效果评价-参数优化-智慧决策一体化智能算法服务体系。
96.油气中游智慧储运集输单元，用于中游服务人员以及管理人员掌握油气的动态信息，为油气储运提供指导。
97.在一种可选的实施例中，油气中游智慧储运集输单元包括：lng储气库管理单元、lng接收站管理单元、lng工厂管理单元以及天然气管道输运单元。油气中游智慧储运集输单元面向中游服务人员以及管理人员，能够掌握油气从采集、运输、接收的动态信息，为油气储运提供指导。
98.油气下游智慧运营销售单元，用于根据油气下游设施管理、市场价格分析、市场供需、用户情况进行智能预测，实现油气贸易智慧指导。
99.在一种可选的实施例中，油气下游智慧运营销售单元包括天然气设施智慧管理单元、市场价格智能分析单元、市场供需智能预测单元、天然气贸易智慧指导单元、天然气用户单元以及地下储气库管理单元。
100.油气下游智慧运营销售单元通过天然气基础设施管理可以了解加油站、加气站、发电厂及城市燃气的详细数据，基于基础数据用于市场价格智能分析以及市场供需智能预测，实现天然气贸易智慧指导。
101.系统的管理与运维单元，用于控制不同用户面向系统中每个模块的操作权限。
102.系统的管理与运维单元主要包含了用户管理、角色管理、部门管理、职务管理、租户管理以及数据字典，可以控制不同部门以及职务的人员对面向油气领域的生产智能决策系统各模块的操作权限，从而使得上游开发人员、下游销售人员、系统测试人员以及系统租赁人员操作各自领域的模块而互不干扰。
103.在一种可选的实施例中，智能算法构件库103包括：
104.由机器学习以及经典模拟算法构成的基础算法库。
105.如图7所示。智能算法构件库103即图7中的面向油气领域物理规律与ai的集成算法图，主要由两部分组成，一部分是由机器学习以及经典模拟算法构成的基础算法库，其中机器学习库是基于python环境，通过sklearn、keras、tensorflow等学习库直接调用支撑向量机、随机森林、神经网络、朴素贝叶斯等智能算法；经典算法则是基于matlab和python语言，自主开发了有限元、有限差分和有限体积等经典算法，同时也能调用已经集成好的算法如有限元、有限体积、有限差分、kriging差值、三次样条插值以及函数拟合等。图8为面向油气领域生产只能决策系统不同场景模块示意图。
106.基于特定场景定制化开发的智能算法库。
107.基于特定场景定制化开发的智能算法，核心思想是以机器学习算法(支撑向量机、随机森林、决策树、人工神经网络、xgboost、k近邻、朴素贝叶斯等)为基础，将经典模拟算法中的控制方程、边界条件、初始条件作为约束，以构建新的损失函数的形式融入到机器学习算法中，基于上述算法的开发模式，建立了储层物性智能预测、油气产能智能标定、压裂效果智能评价等特色算法。除此之外，考虑到油气领域人员的编程能力，建立了端到端的无代码操作平台，将基础算法以及定制化算法集成封装成结构化的算法模块(h5、pth、t7、pkl、mat等格式)，通过拖拽式的方式进行调用，前端通过点击拖拽图标触发算法事件，后端根据前端响应自动搭建模型，实现算法的快速组装与流水线调用模式。
108.在一种可选的实施例中，功能模块容器化封装以及自动化管理模块104包括：
109.分布式存储单元、缓存读写单元、接口认证单元、统一认证单元、访问控制单元、服务控制单元、设备服务单元、用户服务单元与分析接口单元。
110.进一步地，功能模块容器化封装以及自动化管理模块104采用云原生构架下的docker技术，将生产运营数据、智能算法、智能服务构件库等进行容器化封装，主要是包括分布式存储、缓存读写、接口认证、统一认证、访问控制、服务控制、设备服务、用户服务、分析接口等，形成应用程序部署的独立单元，实现高水平资源隔离；采用云原生架构下的kubernetes技术进行容器统一调度和管理，将容器组织成组，并且提供容器间的负载均衡，可实现随时扩展或收缩容器规模，采用滚动发布功能,在应用不停机的情况下将应用程序从一个环境提升到另一个环境，形成分布式模型输出、读取和利用的云原生模型管理。以“功能即服务”为落脚点，通过松耦合方式，采用云原生架构下的dapr框架，将接口认证、网站认证、访问控制、路由控制、智能算法库、设备服务、知识服务、模型服务按照业务能力进行组织、分离，可以更轻松的更新代码，彼此独立的进行缩放，实现微服务化应用的快速构建和协调调用。
111.在一种可选的实施例中，不同场景下模型自定义开发模块105，用于搭建面向不同场景的专业化模型。
112.如图9所示，图9为算法自定义编辑模块的模型搭建界面图；图10为算法自定义编辑模块的模型结果可视化展示界面。用户登录平台后可以通过本地上传、在线导入以及网络爬虫三种方式获取所需数据集，上传的数据会暂时保存在后台数据库中，并赋予特定的标签编码，面向油气领域的生产智能决策系统考虑到油气各个行业数据以及算法的复杂性，构建了模型编辑器，在编辑器上导入所需的数据，选择对应的数据清洗算法来提高数据质量，基于封装好的算法构件库通过拖拽的形式来搭建面向不同场景的专业化模型，通过图形化的方式更好的帮助用户建立复杂的自主学习模型，通过可视化技术可以看到模型的输出结果以及应用效果，如图10所示。自主搭建好的模型也可以进行流程化封装，方便下次一键式调用，同时这些定制化算法模型具有api接口，可以允许其他软件进行调用，内部数据也可以通过url进行访问。
113.另一方面，提供了一种面向油气领域的生产智能决策方法，方法包括：
114.通过油气多源异构数据治理模块101根据油气行业已有的数据标准以及自定义标准对原始数据进行统一标准化处理、清洗补全、关联融合后，放入数据湖或数据池中；
115.基于专家知识对油气上、中、下游业务进行全面的梳理，分析不同场景下数据的关联关系，建立油气数据知识图谱，将所有梳理的业务进行汇聚并构建业务架构；
116.集成传统数值模拟方法以及经典机器学习方法，并可以根据不同应用场景自定义搭建融合物理约束的机器学习模型，并通过智能算法构件库根据特定数据和特定业务进行智能计算；
117.通过功能模块容器化封装以及自动化管理模块104对油气多源异构数据、智能算法构件库、智能服务构件库进行容器化封装，进行容器统一调度和管理；
118.根据智能计算的结果通过不同场景下模型自定义开发模块搭建面向不同场景的专业化模型；
119.通过油气生产智慧决策平台业务模块实现油气生产智慧决策、智慧储运集输、智慧运营销售以及系统管理与运维。
120.本发明实施例提供的方法囊括了油气上游生产开发、中游储运集输和下游生产销售各个模块，流程化自动化处理油气多源异构数据，提高了管理人员和服务人员你的工作效率。
121.提出了针对油气多源异构数据的治理体系，能够打破行业壁垒，高效整合来自不同机构不同类型的数据库，并进行数据标准化、清洗及融合，根据专家经验建立油气领域知识图谱，实现了数据采集-清洗-提取-融合的一体化数据治理体系，加强了行业知识的融合。
122.提出了针对油气领域的平台业务架构，将油气上游生产模块、中游输运模块、下游销售模块以及平台内部的系统管理模块进行了一体化集成，形成了完整的一站式服务模
式，从整体提高了管理人员的决策能力。
123.提出了面向油气领域的智能算法构件库103，不但将机器学习算法和油藏经典模拟算法集成到了基础算法库，还将两种算法进行了深度结合，形成了基于不同场景下的特色算法，构建了油气领域特色算法构件库，实现了无代码的封装调用模式，提高了科研人员的建模效率。
124.提出了油气上中下游各模块的容器化封装与自动化管理模式，将油气数据运营、智能算法调用和特色算法展示容器化封装和独立化部署，实现微服务化应用的快速构建和协调调用，加强了应用层的可扩展性和移植性。
125.提出了模型自定义开发模式，利用平台内部算法库以及面向油气领域知识图谱数据，形成了拖拽式流程化的模型编辑器，提高了开发人员的工作效率。
126.以上是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。