人工智能在石油勘探上的應(yīng)用

摘要：在未來(lái)科技的發(fā)展過(guò)程中，多個(gè)學(xué)科的相互融合、多項(xiàng)技術(shù)的相互結(jié)合是一定的，它逐漸成為未來(lái)科技發(fā)展的主流趨勢(shì)。由于石油勘探軟件的開(kāi)發(fā)設(shè)計(jì)到多個(gè)領(lǐng)域、多種技術(shù)，因此它所反映的特征也與其他領(lǐng)域是不同的。比如復(fù)雜的多邊鉆井設(shè)計(jì)、三維與思維地震之間的相互聯(lián)系等。上述問(wèn)題經(jīng)過(guò)不斷的演化，最終從具體的問(wèn)題轉(zhuǎn)化為石油的儲(chǔ)藏、石油的管理等復(fù)雜的問(wèn)題。傳統(tǒng)的地質(zhì)統(tǒng)計(jì)學(xué)方法已經(jīng)無(wú)法適用于現(xiàn)在的石油勘探開(kāi)發(fā)工作，相關(guān)的數(shù)據(jù)處理方式需要根據(jù)實(shí)際的情況進(jìn)行進(jìn)一步的更新。鑒于此，本文主要分析探討了人工智能在石油勘探上的應(yīng)用情況，以供參閱。關(guān)鍵詞：人工智能;石油勘探;應(yīng)用引言如今多項(xiàng)技術(shù)之間的融合和多個(gè)學(xué)科領(lǐng)域的有機(jī)結(jié)合已經(jīng)成為了未來(lái)發(fā)展的指定方向，而且石油勘探軟件和開(kāi)發(fā)技術(shù)等領(lǐng)域中所存在的主要問(wèn)題由于關(guān)聯(lián)到多技術(shù)與多學(xué)科這倆個(gè)領(lǐng)域，所以其有著異于其它領(lǐng)域的個(gè)性特點(diǎn)。例如如何去解釋三維與思維地震相關(guān)的數(shù)據(jù)、測(cè)井與試井解釋和繁瑣的多邊鉆井設(shè)計(jì)等等，以上所提到的問(wèn)題在具體的實(shí)踐應(yīng)用中便發(fā)展演化成了極具系統(tǒng)化但又非常復(fù)雜的石油儲(chǔ)藏管理問(wèn)題。由于如今石油勘探開(kāi)發(fā)工作的不斷發(fā)展與進(jìn)步，傳統(tǒng)的地質(zhì)統(tǒng)計(jì)學(xué)方法已經(jīng)無(wú)法更好地適用于其數(shù)據(jù)處理方面的具體要求。1人工智能在石油勘探開(kāi)發(fā)中的應(yīng)用現(xiàn)狀近些年來(lái)，作為人工智能典型技術(shù)的專(zhuān)家系統(tǒng)（ES）、模糊邏輯（FuzzyLogic）及人工神經(jīng)網(wǎng)絡(luò)（ANN），在多領(lǐng)域中得到廣泛應(yīng)用，現(xiàn)今，已在石油勘探開(kāi)發(fā)的各環(huán)節(jié)中均有滲透。比如A1imonti等人與人工神經(jīng)網(wǎng)絡(luò)技術(shù)、統(tǒng)計(jì)學(xué)及模糊邏輯等相結(jié)合，對(duì)單井多相流開(kāi)展診斷分析與綜合測(cè)量：Silpngarllllers、Ertekin等業(yè)內(nèi)專(zhuān)家則結(jié)合多種技術(shù)理論，提出了神經(jīng)模擬方法，對(duì)復(fù)雜數(shù)據(jù)開(kāi)展綜合性的并行計(jì)算與分析，如經(jīng)實(shí)驗(yàn)室檢測(cè)所得到的現(xiàn)場(chǎng)測(cè)井參數(shù)與石油工程參數(shù)，最終構(gòu)建起了是由勘探領(lǐng)域的預(yù)測(cè)模型;weiss則運(yùn)用常規(guī)統(tǒng)計(jì)方法，數(shù)值描述測(cè)井參數(shù)之后，將已知產(chǎn)能參數(shù)當(dāng)作具體的輸出結(jié)果，把數(shù)值描述結(jié)果四十初始化操作，而后輸入神經(jīng)網(wǎng)絡(luò)，以做后續(xù)訓(xùn)練，最終構(gòu)建能夠?qū)尉瘜W(xué)吸收性能進(jìn)行預(yù)測(cè)，可對(duì)二次注采比參數(shù)進(jìn)行預(yù)測(cè)的神經(jīng)網(wǎng)絡(luò)模型;Tiab與E1Ouahed把模糊邏輯與神經(jīng)網(wǎng)絡(luò)相結(jié)合，且基于此，在裂隙性油藏的分析當(dāng)中得到成功應(yīng)用，除此之外，在二維空間當(dāng)中，還成功繪制了阿爾及利亞某油田當(dāng)中一個(gè)比較大區(qū)塊的裂隙網(wǎng)絡(luò)與裂隙強(qiáng)度分布圖。另外，人工智能技術(shù)還在諸如石油開(kāi)采量預(yù)測(cè)、層對(duì)比分析、NMR測(cè)井?dāng)?shù)據(jù)反演及剩余油分布研究等方面得到較好應(yīng)用。從上述案例匯總得知，人工智能作為一種實(shí)現(xiàn)較為先進(jìn)的技術(shù)類(lèi)型，將其應(yīng)用到石油勘探開(kāi)發(fā)領(lǐng)域，具有恨到的應(yīng)用潛力與空間。2人工智能技術(shù)實(shí)際應(yīng)用中存在的主要問(wèn)題2.1數(shù)據(jù)接口過(guò)于分散，缺乏統(tǒng)一性在人工智能技術(shù)的實(shí)際運(yùn)用過(guò)程中，常常會(huì)出現(xiàn)智能模型在建立的過(guò)程中效率過(guò)低的問(wèn)題，該問(wèn)題較為復(fù)雜，對(duì)應(yīng)的相關(guān)數(shù)據(jù)的處理效率也變低。這主要是由于一些數(shù)據(jù)模型和類(lèi)型缺乏一定的統(tǒng)一性，對(duì)于這種缺乏統(tǒng)一性的數(shù)據(jù)模型，人工智能技術(shù)無(wú)法做到利用簡(jiǎn)單的方法將其進(jìn)行更加便捷的輸入，從而在一定程度上影響了人工智能技術(shù)在具體實(shí)踐過(guò)程中數(shù)據(jù)初始化的建立過(guò)程。人工神經(jīng)網(wǎng)絡(luò)模型的建立必定需要多種的檢驗(yàn)驗(yàn)證作為支撐，比如進(jìn)行opfield網(wǎng)絡(luò)技術(shù)、BP、SOM、LVQ等。其主要特征是通過(guò)對(duì)所得參數(shù)的多次調(diào)整與細(xì)致結(jié)果的精準(zhǔn)對(duì)比，達(dá)到確定對(duì)應(yīng)模型的目的。2.2模擬實(shí)驗(yàn)過(guò)程中突出的可視化問(wèn)題其實(shí)對(duì)于在石油勘探開(kāi)發(fā)過(guò)程之中所進(jìn)行的具體工作來(lái)說(shuō)，其所研究分析與處理的主要對(duì)象實(shí)際上以埋藏于地底的地質(zhì)體居多，而這些地質(zhì)體自身又都具備著個(gè)性化的復(fù)雜特性與結(jié)構(gòu)，例如石油儲(chǔ)層區(qū)域的飽和度分布、石油滲透率與相關(guān)孔隙度，地底裂隙網(wǎng)絡(luò)的全面展布。所以對(duì)于那些藏匿于石油勘探開(kāi)發(fā)領(lǐng)域之中的絕大多數(shù)問(wèn)題來(lái)說(shuō)具體實(shí)現(xiàn)結(jié)果的可視化是特別重要并且極為關(guān)鍵的。那么到底該怎樣將人工智能化技術(shù)專(zhuān)業(yè)計(jì)算過(guò)之后的結(jié)果以一種可視化的方式方法重復(fù)疊加于其它地質(zhì)勘探類(lèi)圖件之中，而且還要在此基礎(chǔ)上去做復(fù)雜圖層運(yùn)算和二次空間的分析，這就是整個(gè)石油勘探開(kāi)發(fā)領(lǐng)域中優(yōu)化升級(jí)應(yīng)用人工智能技術(shù)的基礎(chǔ)。2.3難以對(duì)高維度數(shù)據(jù)進(jìn)行專(zhuān)業(yè)的處理針對(duì)存在于石油勘探開(kāi)發(fā)主要領(lǐng)域的問(wèn)題來(lái)說(shuō)，其絕大多數(shù)問(wèn)題都與高難度繁雜的空間三維體數(shù)據(jù)的專(zhuān)業(yè)處理與研究分析有很大的關(guān)聯(lián)，例如有關(guān)地震屬性的數(shù)據(jù)體，此外還有一些在此基礎(chǔ)上進(jìn)行演進(jìn)發(fā)展所得出的石油儲(chǔ)層屬性的空間分布區(qū)域，還有一些主要以油井資料和通用空間統(tǒng)計(jì)學(xué)計(jì)量方法作為基礎(chǔ)而獲得的石油儲(chǔ)層流體的實(shí)際分布情況和相關(guān)屬性的空間分布等等，以上介紹的這些都可以將其稱(chēng)之為是空間數(shù)據(jù)體。可是對(duì)于一些普通的人工智能系統(tǒng)來(lái)講，在其實(shí)際進(jìn)行分析應(yīng)用大數(shù)據(jù)量方面時(shí)存在著一些困難，而且還有一些與空間異質(zhì)性有關(guān)的問(wèn)題，其在一定程度上阻礙了對(duì)石油儲(chǔ)藏進(jìn)行精細(xì)化描述和對(duì)石油勘探開(kāi)發(fā)成果分析等具體工作的深入研究。3人工智能在石油勘探上應(yīng)用發(fā)展建議①?gòu)?qiáng)化頂層設(shè)計(jì)。一是行業(yè)層面，院士、管理者、資深專(zhuān)家可聯(lián)合倡議，使各大油企能夠統(tǒng)一認(rèn)識(shí)，有效協(xié)同，充分發(fā)揮社會(huì)主義市場(chǎng)經(jīng)濟(jì)條件下的新型舉國(guó)體制優(yōu)勢(shì);二是在企業(yè)層面，應(yīng)堅(jiān)持業(yè)務(wù)導(dǎo)向、問(wèn)題導(dǎo)向、目標(biāo)導(dǎo)向，一體化設(shè)計(jì)、一體化組織、一體化推進(jìn)，打通數(shù)據(jù)流，重構(gòu)業(yè)務(wù)流，實(shí)現(xiàn)企業(yè)管理模式的創(chuàng)新、變革、轉(zhuǎn)型;三是在專(zhuān)業(yè)層面，應(yīng)“軟”、“硬”兼施，以建推用、以用促建，以用為先，迭代推進(jìn)。②加強(qiáng)數(shù)據(jù)治理?！皵?shù)據(jù)大”不等于“大數(shù)據(jù)”，標(biāo)準(zhǔn)規(guī)范的數(shù)據(jù)和訓(xùn)練樣本庫(kù)是人工智能應(yīng)用的基礎(chǔ)，人工智能應(yīng)用應(yīng)當(dāng)將數(shù)據(jù)治理放到首位，統(tǒng)一數(shù)據(jù)標(biāo)注、推進(jìn)數(shù)據(jù)互通，加強(qiáng)數(shù)據(jù)治理，進(jìn)一步建立數(shù)據(jù)信任機(jī)制和管理模式，提升數(shù)據(jù)共享的規(guī)范性與合規(guī)性。③重視人才培養(yǎng)。人工智能算法工程師與油田工程師之間往往存在“聽(tīng)不懂、說(shuō)不清、合不來(lái)”現(xiàn)象，在數(shù)字化向智能化轉(zhuǎn)化的進(jìn)程中，導(dǎo)致不同程度存在“建得多、用得少”的問(wèn)題。同時(shí)，由于石油勘探開(kāi)發(fā)和人工智能這兩個(gè)領(lǐng)域所涵蓋的學(xué)科太廣，復(fù)合型人才培養(yǎng)難度大、周期長(zhǎng)。因此，應(yīng)當(dāng)加強(qiáng)校企合作、石油企業(yè)與IT企業(yè)的深度合作來(lái)培養(yǎng)復(fù)合型人才。④推進(jìn)合作共享。應(yīng)探索建立“跨行業(yè)、跨企業(yè)、跨專(zhuān)業(yè)”的創(chuàng)新聯(lián)合體，推進(jìn)油企與IT企業(yè)之間、傳統(tǒng)油企之間、不同專(zhuān)業(yè)之間的跨界融合，實(shí)現(xiàn)邊界突破，構(gòu)筑完善的石油工業(yè)智能技術(shù)研發(fā)體系。⑤實(shí)現(xiàn)算法自主。經(jīng)過(guò)了信息化建設(shè)階段，油氣行業(yè)已經(jīng)形成且每時(shí)每刻還在形成的海量數(shù)據(jù)已經(jīng)基本可控，網(wǎng)絡(luò)和節(jié)點(diǎn)支撐了一定的算力，應(yīng)加強(qiáng)對(duì)核心算法的研究攻關(guān)，形成具有自主知識(shí)產(chǎn)權(quán)的算法體系，為石油工業(yè)智能化發(fā)展提供基礎(chǔ)支撐。結(jié)束語(yǔ)總而言之，多技術(shù)、多領(lǐng)域與多學(xué)科的綜合應(yīng)用，乃是將現(xiàn)實(shí)復(fù)雜問(wèn)題予以解決的重要手段。無(wú)論何種系統(tǒng)均非萬(wàn)能，但與人工智能技術(shù)與地理信息系統(tǒng)技術(shù)充分結(jié)合，另將兩者