人工智能在石油勘探上的应用

邱俊英 郭争艳

摘要：在未来科技的发展过程中，多个学科的相互融合、多项技术的相互结合是一定的，它逐渐成为未来科技发展的主流趋势。由于石油勘探软件的开发设计到多个领域、多种技术，因此它所反映的特征也与其他领域是不同的。比如复杂的多边钻井设计、三维与思维地震之间的相互联系等。上述问题经过不断的演化，最终从具体的问题转化为石油的储藏、石油的管理等复杂的问题。传统的地质统计学方法已经无法适用于现在的石油勘探开发工作，相关的数据处理方式需要根据实际的情况进行进一步的更新。鉴于此，本文主要分析探讨了人工智能在石油勘探上的应用情况，以供参阅。

关键词：人工智能;石油勘探;应用

引言

如今多项技术之间的融合和多个学科领域的有机结合已经成为了未来发展的指定方向，而且石油勘探软件和开发技术等领域中所存在的主要问题由于关联到多技术与多学科这俩个领域，所以其有着异于其它领域的个性特点。例如如何去解释三维与思维地震相关的数据、测井与试井解释和繁琐的多边钻井设计等等，以上所提到的问题在具体的实践应用中便发展演化成了极具系统化但又非常复杂的石油储藏管理问题。由于如今石油勘探开发工作的不断发展与进步，传统的地质统计学方法已经无法更好地适用于其数据处理方面的具体要求。

1人工智能在石油勘探开发中的应用现状

近些年来，作为人工智能典型技术的专家系统（ES）、模糊逻辑（FuzzyLogic）及人工神经网络（ANN），在多领域中得到广泛应用，现今，已在石油勘探开发的各环节中均有渗透。比如A1imonti等人与人工神经网络技术、统计学及模糊逻辑等相结合，对单井多相流开展诊断分析与综合测量：Silpngarllllers、Ertekin等业内专家则结合多种技术理论，提出了神经模拟方法，对复杂数据开展综合性的并行计算与分析，如经实验室检测所得到的现场测井参数与石油工程参数，最终构建起了是由勘探领域的预测模型;weiss则运用常规统计方法，数值描述测井参数之后，将已知产能参数当作具体的输出结果，把数值描述结果四十初始化操作，而后输入神经网络，以做后续训练，最终构建能够对单井化学吸收性能进行预测，可对二次注采比参数进行预测的神经网络模型;Tiab与E1Ouahed把模糊逻辑与神经网络相结合，且基于此，在裂隙性油藏的分析当中得到成功应用，除此之外，在二维空间当中，还成功绘制了阿尔及利亚某油田当中一个比较大区块的裂隙网络与裂隙强度分布图。另外，人工智能技术还在诸如石油开采量预测、层对比分析、NMR测井数据反演及剩余油分布研究等方面得到较好应用。从上述案例汇总得知，人工智能作为一种实现较为先进的技术类型，将其应用到石油勘探开发领域，具有恨到的应用潜力与空间。

2人工智能技术实际应用中存在的主要问题

2.1数据接口过于分散，缺乏统一性

在人工智能技术的实际运用过程中，常常会出现智能模型在建立的过程中效率过低的问题，该问题较为复杂，对应的相关数据的处理效率也变低。这主要是由于一些数据模型和类型缺乏一定的统一性，对于这种缺乏统一性的数据模型，人工智能技术无法做到利用简单的方法将其进行更加便捷的输入，从而在一定程度上影响了人工智能技术在具体实践过程中数据初始化的建立过程。人工神经网络模型的建立必定需要多种的检验验证作为支撑，比如进行opfield网络技术、BP、SOM、LVQ等。其主要特征是通过对所得参数的多次调整与细致结果的精准对比，达到确定对应模型的目的。

2.2模拟实验过程中突出的可视化问题

其实对于在石油勘探开发过程之中所进行的具体工作来说，其所研究分析与处理的主要对象实际上以埋藏于地底的地质体居多，而这些地质体自身又都具备着个性化的复杂特性与结构，例如石油储层区域的饱和度分布、石油渗透率与相关孔隙度，地底裂隙网络的全面展布。所以对于那些藏匿于石油勘探开发领域之中的绝大多数问题来说具体实现结果的可视化是特别重要并且极为关键的。那么到底该怎样将人工智能化技术专业计算过之后的结果以一种可视化的方式方法重复叠加于其它地质勘探类图件之中，而且还要在此基础上去做复杂图层运算和二次空间的分析，这就是整个石油勘探开发领域中优化升级应用人工智能技术的基础。

2.3难以对高维度数据进行专业的处理

针对存在于石油勘探开发主要领域的问题来说，其绝大多数问题都与高难度繁杂的空间三维体数据的专业处理与研究分析有很大的关联，例如有关地震属性的数据体，此外还有一些在此基础上进行演进发展所得出的石油储层属性的空间分布区域，还有一些主要以油井资料和通用空间统计学计量方法作为基础而获得的石油储层流体的实际分布情况和相关属性的空间分布等等，以上介绍的这些都可以将其称之为是空间数据体。可是对于一些普通的人工智能系统来讲，在其实际进行分析应用大数据量方面时存在着一些困难，而且还有一些与空间异质性有关的问题，其在一定程度上阻碍了对石油储藏进行精细化描述和对石油勘探开发成果分析等具体工作的深入研究。

3人工智能在石油勘探上应用发展建议

①强化顶层设计。一是行业层面，院士、管理者、资深专家可联合倡议，使各大油企能够统一认识，有效协同，充分发挥社会主义市场经济条件下的新型举国体制优势;二是在企业层面，应坚持业务导向、问题导向、目标导向，一体化设计、一体化组织、一体化推进，打通数据流，重构业务流，实现企业管理模式的创新、变革、转型;三是在专业层面，应“软”、“硬”兼施，以建推用、以用促建，以用为先，迭代推进。②加强数据治理。“数据大”不等于“大数据”，标准规范的数据和训练样本库是人工智能应用的基础，人工智能应用应当将数据治理放到首位，统一数据标注、推进数据互通，加强数据治理，进一步建立数据信任机制和管理模式，提升数据共享的规范性与合规性。③重视人才培养。人工智能算法工程师与油田工程师之间往往存在“听不懂、说不清、合不来”现象，在数字化向智能化转化的进程中，导致不同程度存在“建得多、用得少”的问题。同时，由于石油勘探开发和人工智能这两个领域所涵盖的学科太广，复合型人才培养难度大、周期长。因此，应当加强校企合作、石油企业与IT企业的深度合作来培养复合型人才。④推进合作共享。应探索建立“跨行业、跨企业、跨专业”的创新联合体，推进油企与IT企业之间、传统油企之间、不同专业之间的跨界融合，实现边界突破，构筑完善的石油工业智能技术研发体系。⑤实现算法自主。经过了信息化建设阶段，油气行业已经形成且每时每刻还在形成的海量数据已经基本可控，网络和节点支撑了一定的算力，应加强对核心算法的研究攻关，形成具有自主知识产权的算法体系，为石油工業智能化发展提供基础支撑。

结束语

总而言之，多技术、多领域与多学科的综合应用，乃是将现实复杂问题予以解决的重要手段。无论何种系统均非万能，但与人工智能技术与地理信息系统技术充分结合，另将两者充分集成，便可建立一个全面的勘探开发智能化支持系统，对于勘探开发中所出现的各种复杂问题，此系统能够提供帮助，制定具体的解决方案，从而有助于勘探风险的降低，提高开发的实际效率。至此，在石油勘探中应用人工智能技术，尤其是应用将人工智能与其他辅助技术结合集成的技术方案方式，有助于此领域的更好发展。

参考文献

[1]陈仕云.人工智能在石油勘探上的应用[J].化工管理.2018（25）：223-224

[2]徐沐霖，邱涛.人工智能在石油勘探中的应用[J].电子世界.2017（08）：142-142