[转载]勘探开发：人工智能的天然试验场 [复制链接]

上一主题下一主题查看指定楼层

离线zzt2001

高级工程师

发帖: 994

土币: 4345

威望: 35

原创币: 0

只看楼主倒序阅读使用道具楼主发表于: 2018-06-24

勘探开发：人工智能的天然试验场
发布日期：2017-01-23 信息来源：中国海洋石油报
编者按
在人工智能成为热门话题的今天，很少有人知道，人工智能与油气勘探开发技术有着很深的“渊源”。随着上世纪80年代人工智能技术与计算机硬件体系结构的密切结合，出现了一批适应勘探开发需要的实用技术，而这些技术发展至今已渗透到油气勘探开发的各个环节。未来，人工智能还将给油气勘探开发技术带来哪些变革？我们拭目以待。
勘探开发如何与人工智能“结缘”？
得益于谷歌、微软、百度、阿里巴巴等互联网巨头提供的技术服务与迅猛宣传，人工智能、机器学习、深度学习、大数据这些时髦的词汇好像一刹那间已经遍布人们生活的方方面面。无人驾驶汽车、机器翻译、精准人脸识别……这些人工智能技术已不是科幻电影里才特有的场景，而是变成现实并开始影响我们的生活。与此同时，作为传统能源行业的重要技术领域，石油勘探开发也受到了这一波新技术革命浪潮的影响，勘探开发人员的思路与技术方法已出现转变，人工智能技术已在石油行业悄然酝酿。
人工智能思想最早可以追溯到古希腊时期的神话，古希腊人在他们写就的关于火神赫菲斯托斯的神话里已经包含了智能机器人与人工生物的概念。直到20世纪，计算机被发明，英国数学家阿兰图灵提出“图灵测试”，真正第一次定义了一个机器是否具有智能的标准。1956年美国计算机科学家约翰麦卡锡组织召开了达特茅斯会议，会议上首次提出“ArtificialIntelligence”一词，也就是我们沿用至今的“人工智能”一词。直到最近十几年，随着计算机计算能力越来越强大以及互联网的普及，巨大的流量数据成为孕育人工智能领域快速发展的肥沃土壤。石油勘探开发过程中也伴随了庞大数据的产生，对数据的处理和深度挖掘需求日益迫切，建立在机器学习基础上的人工智能也呼之欲出。
早在上世纪80年代中期，人工智能技术与计算机硬件体系结构的密切结合，出现了一批适应勘探开发需要的实用技术。这些技术发展到今天，以人工神经网络技术、模糊逻辑、专家系统作为人工智能的典型代表技术应用较为活跃，已渗透到石油勘探开发的各个环节，对石油工业产生了重要的影响。
如统计学、人工神经网络技术、模糊逻辑在单井多相流综合测量和诊断分析中的运用；神经模拟方法用于对实验室测得的石油工程参数和现场测井参数等复杂数据进行综合的并行计算和分析，并建立预测模型；神经网络和模糊逻辑相结合被成功应用到了裂隙性油藏的分析中，并在二维空间中绘制出裂隙强度分布图和裂隙网络；模糊逻辑和神经网络技术被成功用于选择最佳的测井数据对油藏特征进行研究的案例中。此外，人工智能技术还在剩余油分布研究、NMR测井数据反演、储层对比分析、钻井成功率预测以及石油开采量预测等诸多方面都有应用。
如今的油气勘探已经走向深水、盐下及至非常规油气领域，已经从曾经的技术粗放型产业转变为技术精细型和技术密集型产业。人工智能技术的应用已经让油气勘探开发初步尝到了甜头，今后两者的结合和深度关联一定会愈演愈烈。（通讯员李祺鑫陈岭）
应用设想1：地球物理或迎来新突破
2006年12月，国际权威的学术组织ICDM评选出了人工智能领域的十大经典算法，如C4.5、k-Means等。但有意思的是，这些算法对地球物理勘探研究人员来说一点也不陌生，他们经常看到的文献、常用的地球物理软件里包含了大量的此类算法。从这一点来说，人工智能对地球物理勘探而言，从来不是一个陌生领域。
归根结底，人工智能与地球物理勘探“本是同根生”。以目前最活跃的研究领域——通过机器学习的手段来实现人工智能为例，机器学习是一门利用计算机从海量数据中寻找规律、建立模式的学科，而石油地球物理勘探的根本任务就是从大量采集的地震、电磁、重力等物探数据中恢复数百万年前构造运动和沉积演化规律，寻找地下油气的赋存模式。数据驱动是他们的方法途径，追寻模式是他们的终极目的，石油地球物理勘探领域是人工智能技术应用的一个天然试验场。
可以毫不夸张地说，在互联网领域大量应用的人工智能机器学习算法，几乎都能在地球物理勘探中找到对应的应用领域。
2016年3月，AlphaGo围棋人工智能程序的出现一时将“人工神经网络”这一专业术语词汇推向大众。但在地球物理勘探领域，研究人员早在十多年前就开始利用神经网络方法训练地下含油气储层与地震数据的映射模型，利用映射模型进行油气检测的技术已经相当完备成熟。时至今日，众多地球物理勘探软件里均包含了此算法的实际模块。
不仅如此，如今的人工智能技术也在推动地球物理勘探的发展。其中，在计算机视觉领域以及图形图像处理领域有着广泛应用的边缘检测算法，在自动追踪地震层位辅助地震解释方面已具备相当能力；基于人工群体智能的蚂蚁追踪方法，可将上千个计算“智能体”散布在三维地震数据中，拾取不连续性小片段，自动完成地震断层的解释。这两项技术已使得地震解释自动化的概念成为可能。
此外，人工智能领域发展的大量非线性优化技术，如基因算法、模拟退化算法、粒子群算法、马尔科夫链蒙特卡洛方法等，已纳入到地球物理反演技术的研究领域中。
在移动网络时代，随着数据爆炸性的增长和计算能力呈几何级速度的提高，人工智能技术将步入一个全面繁荣期。基于聚类分析算法的地震相分析技术、基于贝叶斯层级网络的地震子波提取技术……这些人工智能技术，也正以前所未有的速度渗透进石油地球物理专业的方方面面，悄然改变着人们对石油地球物理工作的传统思想与观念。（通讯员李祺鑫）
应用设想2：人工智能覆盖油田开发全周期
在同一油气田不同时间点重复进行三维地震测量，所获地震数据可反映流体变化、储层生产能力等重要信息，进而通过人工智能，建立数据体差异分析模型，利用先进的智能算法，预测剩余油气分布，指导下一步工作部署，从而实现油气田最佳管理。这是未来人工智能与油气田开发时移地震技术相结合的实践方向之一。
1979年，Conoco公司首次利用时移地震方法研究油气田储层变化，从而揭开了时移地震研究的序幕。时移地震与时深关系、生产动态数据等资料结合，可以精确测量地层反射系数、压力、温度、储层的生产能力和储层流体变化等数据。而在同一油气藏背景下，借助人工智能，则可以模拟科研人员的学习、推理、思考、规划等思维过程和智能行为，通过前后地震体差异对比分析，利用描述油气藏的数学公式推导算法，对剩余油等综合信息建立油气藏三维数学模型，了解油气藏内部流体整体重新分布情况，从而指导布井，实现油气田高效开发。
对此，我们可以大胆设想，人工智能与油气田开发时移地震技术的结合将在油气田开发各个阶段大显身手。
在油气田开发早期，我们可以先利用时移地震信息，确定油气藏规模，然后基于人工智能模糊逻辑，模仿科研人员对地质知识与经验的理解和判断，实施符合常规认识的推理，从而帮助油藏工程师快速编制开发方案。
在油气田开发中期，油气藏中储层流体的变化会引起时移地震数据体间的差异，基于人工智能机器学习，重新组织已有的油气藏信息，能够快速修正油气藏动态模型，并确定流体界面、剩余油分布特点，指导下一步工作部署。
在油气田开发晚期，时移地震能够圈定剩余油的分布范围，结合实时的生产动态大数据，利用人工智能的大数据处理技术，获取有用的油气藏数据，能够促进油气田的进一步挖潜，及时调整加密井或者生产制度，估算油田有效开采寿命。
人工智能与时移地震的结合，伴随着油气田开发的整个过程，对油气藏的合理管理和开发产生积极影响。该技术能够对油气藏的沉积与储层特征有充分的认识，有助于油气藏精细解剖，提高钻井成功率，高效挖潜，增加可采储量，最终实现油气资源的最大化合理化开发。（通讯员杨小峰）
海油案例
神经网络技术助力致密气勘探
中国海油在鄂尔多斯盆地东缘拥有临兴与神府两个致密气勘探区块。面对与常规油气截然不同的勘探局面，研究人员创新技术借鉴使用人工智能、统计学习等算法，在降低勘探风险、提高探井成功率方面取得了不俗的成果。
临兴-神府地区地下地质情况复杂，有一套主力致密气层隐藏在煤层之下，在地震勘探上，煤层是一个强反射层，屏蔽了这套致密气层的反射特征，使得这套致密气层的勘探尤为困难。借鉴人工智能中的神经网络方法，结合地球物理反演理论，训练地震数据体与气层特征指示曲线的神经网络映射模型，预测这套气层的展布范围，降低勘探方面的风险。
由于属于致密薄储层，岩石含气与否所造成的岩石的弹性参数特征差异较小，造成气层预测困难，利用统计学习中经典的贝叶斯分类技术，利用概率方法解决岩石是否含气的判别，大幅提高了薄气层预测的准确度。（通讯员李祺鑫）