人工智能在石油勘探中的应用

中国石油大学（华东） 徐沐霖 邱 涛

人工智能在石油勘探中的应用

中国石油大学（华东） 徐沐霖 邱 涛

本文结合当前人工智能在石油勘探开发领域的应用现状，分析了实际应用中所存在的突出问题，最后以人工智能与地理信息系统技术相结合的应用方案，深入探讨其内在实用性。

人工智能；石油勘探；应用

现今，多技术融合及多学科有机整合已然成为必然趋向。石油勘探与开发领域中所存在的问题因涉及到多技术与多学科，因而有着不同于其他领域的独特复杂性。比如解释三维与思维地震数据，测井与试井解释，复杂的多边钻井设计与实现等，此些问题在现实应用过程中，便演变成为了系统化而又复杂的油藏管理问题。伴随当今勘探工作的日渐发展与完善，以往的地质统计学方法已难以较好的满足当今数据处理方面的要求。人工智能（AI）作为伴随计算机技术进步而被应用于是由工业领域的代表，在实际石油勘探中已有诸多成功案例，且解决了诸多现实问题。而在现实当中，无论是人工智能还是GIS技术，均被广泛应用在石油勘探开发领域，但未将两者紧密融合，本次对此展开探讨。

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Alimonti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；SilpngarIlllers、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ElOuahed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；Lim通过对最佳的测井数据进行选择，以此对油藏特征展开深入研究，另与神经网络技术以及模糊逻辑相结合，建立了分析模型，且对此方法的实际应用，开展了实例验证，从中得到了比较准确、可靠的分析结果。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. 人工智能应用于石油勘探中的突出问题

（1）不统一的数据接口。针对那些不统一的数据模式与数据类型，难以较为便捷的输入，不利于实际应用当中数据的初始化，会造成智能模型建立过程以及数据处理过程中出现低效化、复杂化。比如构建一个人工神经网络模型，可能需要对多种算法实施验证，如opf i eld网络、LVQ、BP、SOM等，通过多次调整所得参数，另进行细致结果对比，方能将对应模型确定下来。（2）模拟或分析结果所存在的可视化问题。针对是由勘探与开发过程中所开展的具体工作而言，其所分析与处理的对象，以隐藏于地下的地质体较多，而地质体又有着专属自身的复杂属性与结构，如储层的饱和度分布、渗透率与孔隙度，裂隙网络的横向与纵向展布。所以，针对隐藏于勘探开发领域当中的多数问题而言，实现结果的可视化十分必要且关键。怎样把智能化技术计算所得出的结果，以一种可视化的方式叠加于其他地质勘探类图件，并基于此，做复杂图层运算与二次空间分析，乃是勘探开发领域中深化应用智能技术的基础前提。（3）高维数据处理困难。对于存在于石油勘探开发领域的问题来讲，其大多数均与复杂的空间三维体数据的处理与分析有关，比如地震属性数据体，另外还有基于此而演进得出的储层属性空间分布，除此之外，还有以井资料与常规空间统计学方法为基础而获取的储层流体分布情况、属性空间分布等，这些均可称之为空间数据体。但针对普通人工智能系统而言，在分析应用大数据量方面存在相应苦难，外加普遍存在的空间异质性问题，在某种程度上阻碍了对油藏进行精细化描述以及对勘探成果分析等工作的深入开展。

3. 人工智能与地理信息系统技术集成应用

针对当前在石油勘探领域应用人工智能与地理信息系统技术方面所存在的突出问题与不足，可将二者进行集成应用。构建系统的主导思想为灵活的人机交互界面、多模块与多种类数据库的交互及统一的数据接口。而构建一个能够将大多数处理流程集中于一体的智能化石油勘探开发决策支持系统，乃为此集成应用的最终目标。在核心功能方面，主要包含如下内容：（1）综合数据集成与管理。以面向对象的对象型数据库（OOD）与普通关系型数据（ROD）为基础，与通用的数据标准相结合，运用数据引擎，构造多种数据的无缝集成，建立数据库的灵活交互。（2）对于特定数据对象的统一接口与多模块处理，能够高效管理数据挖掘成果。（3）决策分析与智能化处理。通过运用智能模块，开展智能化的分析与处理，构建与之相对应的预测分析模型。与空间数据库的同区块相结合，或与模型预测结果相结合，开展二次空间分析与相关论证，最终便可经决策支持系统，得出所需要的各种方案。

4. 结语

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。

[1]姜在兴,王卫红,杨伟利.21世纪中国石油勘探战略展望[J].中国石油大学学报自然科学版,2002, 26(2):1-5.

[2]彭傲.神经网络方法在结构面模拟中的运用研究[D].中国地质大学(武汉),2010.

[3]祁也,王宇奇.基于粗糙集的海外石油勘探风险评价指标权重确定[J].科技与管理,2014,16(2):63-65.