1.稠油配汽优化的知识图谱优化方法，其特征在于，包括以下步骤：

步骤S10、收集稠油数据，对实时监测数据进行预处理，实现对监测数据进行缺失值填补，然后进行异常值检测并且剔除异常点，最后对数据进行标准化处理；

步骤S20、根据处理后的稠油数据格式构建稠油生产知识图谱；

步骤S30、对稠油生产知识图谱节点中心性的单井分析，节点中心性计算结果作为单井选取的衡量指标，对稠油生产中单井重要属性关联关系进行对比分析，得到正常情况下稠油生产重要属性变化规律；

步骤S40、结合稠油生产结构，使用一种递归方式的划分社区算法对融合节点中心性后的稠油生产知识图谱进行产量社区划分；然后融合划分结果，对井进行标注；最后使用结合了节点中心性的节点相似度计算，确定初始注汽量，再此基础上动态添加属性进行实体相似度计算实现稠油配汽优化的知识图谱优化方法。

2.根据权利要求1所述的稠油配汽优化的知识图谱优化方法，其特征在于，步骤S10中，收集的稠油数据包括井号、区块、注水层位、日期、驱动分类、井口压力、注汽井口温度、注汽压力、注汽温度、日配注入量、注汽量、注汽轮次、管汇号，锅炉名称、管汇号、井号、日期、井类型、井型名称、横坐标、纵坐标、井号、区块、日期、生产井口温度、最高油压、日产液量、日产油量、计量产液量、含水率、注汽轮次、备注、生成层位、管汇号。

3.根据权利要求1所述的稠油配汽优化的知识图谱优化方法，其特征在于，步骤S10中，采用两种不同的方式对带有缺失值的数据进行填补，分别为平均值填充法和邻近值填充法；对离散的数据特征，采用邻近值填充法填补缺失值，以更好的达到数据的统一；对生产井口温度、最高油压、日产液量、日产油量、含水率，采取均值填充法填补缺失值，以更好的拟合数据的真实情况。

4.根据权利要求1所述的稠油配汽优化的知识图谱优化方法，其特征在于，步骤S10中，异常值检测并且剔除异常点，对异常值的检测采用应用统计检验方法，指定检出异常值的显著性水平α=0.05，称为检出水平；指定为检出高度异常的异常值的显著性水平α=0.01，称为舍弃水平，剔除高出舍弃水平的异常值点。

5.根据权利要求1所述的稠油配汽优化的知识图谱优化方法，其特征在于，步骤S30中，对稠油生产知识图谱节点中心性的单井分析，对节点的中心性进行计算，其具体公式如下：，

其中 表示第i个节点N的中心性， 用于计算节点i与其他g‑1个j节

点之间直接联系的数量，无向图的节点中心性即为与该节点直接相连的边的个数，对于有向图，仅将节点的入度纳入计算范围内，节点中心性计算结果作为单井选取的重要衡量指标。

6.根据权利要求1所述的稠油配汽优化的知识图谱优化方法，其特征在于，步骤S40中，使用一种递归方式的划分社区算法对融合节点中心性后的稠油生产知识图谱进行产量社区划分；这种社区划分算法的具体公式为：，

其中 代表了节点i与节点j之间边的权重，m是网络中所有链路的权重总和， 是所有与节点i相连的边的权重之和，是节点i的集群号， 函数表示若节点i与j在同一集群内则返回1，否则返回0，当一轮迭代后Q不再变化则停止迭代，否则继续下一轮迭代。