石油测井智能化研究与发展方向

李唯秀

摘要：针对测井过程中大量的高强度工作的问题以及开发过程中的实际需求，阐述了测井智能化发展的研究进展和应用情况，进行了可行性分析，并提出了未来测井智能化的发展方向。智能化产品在测井过程中已经初步实现应用，并且涉及到数据采集、数据处理、仪器维修保养和井场工作等各个领域，一定程度上降低了测井工作的强度，也提高了效率，具有一定的经济性。

关键词：石油测井，智能，数据采集，远程测控

前言

随着石油工业的不断发展，石油所衍生出来的产品几乎覆盖了整个世界，成为非常重要能源。石油的开采有着极其复杂的过程，包含地震勘探、钻井、固井、完井、测井、录井、开采以及炼化等，在此之中测井承担非常重要的作用，它能直接反映出地下油藏的分部，为后续的开采提供了重要的信息。

测井是利用岩层的电化学特性、导电特性、声学特性、放射性等地球物理特性，测量地球物理参数的方法，属于应用地球物理方法之一。 石油钻井时，在钻到设计井深深度后都必须进行测井，又称完井电测，以获得各种石油地质及工程技术资料，作为完井和开发油田的原始资料，这种测井习惯上称为裸眼测井。而在油井下完套管后所进行的第二系列测井，习惯上称为生产测井或开发测井。

1、测井智能化发展现状

自1927年斯伦贝谢兄弟发现电测井标志着测井技术的诞生，1941年阿尔奇建立阿尔奇公式，历经90余年的发展，已经从模拟测井，数字测井，数控测井，发展到成像测井，测井方式也变得多样化，有电缆测井、过钻杆测井、直推式测井、随钻测井等。如今正朝着智能化的方向发展。

1.1智能数据采集

国外石油企业在智能数据采集方面已经开始推广应用，主要有井下智能数据采集和陆上智能数据采集传输。目前，斯伦贝谢在全球建立了几十个数据服务中心，用于存储其测井服务获得的数据，进行大数据分析处理，并配有远程监控中心，能够同步现场测井状态，实现專家远程协同工作和决策，对现场操作进行全方位的风险把控，也可实现远程的操控，及时解决测井过程中的问题。智能地层测试工具可以根据测试要求自动实现测试阀的开关、样品的定量采集以及压力变化的实时监测。

国内方面，远程测井方面已经开展部分研究，目前已经能实现井场的监控，在数据远程传输和集成处理方面尚不完善。中油测井公司研发的新一代CPLog智能测井系统，将深度、绞车控制和地面集成化，能够实现一键化操作，整个过程绞车自动匀速上提仪器，并实时监测张力，当张力过大具有紧急刹车处理能力，仪器在完成测量段后能自动关腿断电，将仪器提至井口。

1.2智能数据处理

因测井数据种类多元化和数据量大的特点，测井处理解释过程中面临多解性、不确定性等难点，油气判识难度越来越大，需要提高智能化降低人工强度来提高工作效率和解释符合率。近几年，解释方面的智能化应用主要集中在自动深度校正、自动报告生成、智能分层、曲线重构、岩性识别、成像测井解释、储集层参数预测、含油气性评价、横波速度预测、裂缝及缝洞充填物识别等方面。

智能曲线重构是利用深度学习、关联分析等算法寻找测井曲线之间的关联性，对错误的、不恰当的、缺失的测井曲线进行数据重造。所用到的人工智能算法包括神经网络、组合学习算法、聚类算法等。张东晓等提出了一种基于循环神经网络（RNN）即长短期记忆神经网络（LSTM）来重构测井曲线的方法，采用真实测井曲线进行验证后发现与传统方法相比精度更高。

岩性识别有两种途径，第1种是钻井取心，基于岩心样本分析判定岩性;第2种是通过测井曲线来识别岩性。对于第1种途径，随着扫描仪器的不断更新换代，石油勘探开发领域积累了海量的薄片图像、CT图像、扫描电镜图像等。目前国内外岩心图像分析软件可以实现岩性的自动识别，但大多是利用图像处理算法实现岩性识别，人机交互次数多、对专家经验依赖度高。应用较为广泛的薄片鉴定目前大部分依赖于人工鉴定，智能化水平偏低。将深度学习技术应用于岩心图像的处理领域还需要开展进一步研究。对于第2种途径，将专家解释处理完的数据作为训练样本，利用智能算法构建基于测井曲线的智能化岩性识别模型，实现岩性的智能化识别。江凯等利用提升树、决策树、支持向量机等算法，将专家解释后的测井数据作为训练样本，构建岩性预测模型，与录井岩性相比，预测准确率达到80%以上。

成像测井主要是通过色度标定原理将原始测井曲线转换为反映地质特征的可视化图像。随着深度学习技术在图像分析领域的不断深入应用，研究人员将深度学习、图像处理等技术结合使用，实现了成像测井的自动化解释。Ren等利用 U-Net等图像分割算法实现电成像测井图像地质特征边缘的自动识别，然后利用特征工程提取相关特征，最后基于机器学习算法实现地质特征的自动化分类。智能在成像测井图像处理解释方面的研究刚刚起步，制约其进一步发展的关键是缺少可供机器学习的标签数据。

智能算法在储集层参数预测方面的应用较早，早期学者主要是利用传统机器学习算法（如支持向量机、线性回归等）来预测孔隙度、渗透率、饱和度等参数。近几年，随着神经网络的不断发展，越来越多的学者开始利用 LSTM，以及Random Forest、GBDT等组合学习算法预测储集层参数。

1.3一体化软件

以斯伦贝谢为代表，以Petrel、Techlog、Eclipse等10多项软件为核心，构建了数字化协同智能工作流程，降低了勘探开发的不确定性与风险。勘探开发认知一体化平台（DELFI）建立了智能处理解释工作流程，支持数据标准化、数据清洗、智能解释、成果提交等功能。井筒软件Techlog包括曲线敏感因素分析、预测与分类、曲线重建等系列智能化功能模块，支持智能解释。

国内方面，建成中国石油梦想云协同平台、测井处理解释一体化软件LEAD与全新一代多井评价软件CIFlog等应用平台，油藏描述与模拟、测井多井解释等方面的智能化应用初见成效，水平井地质导向系统初步形成。

1.4智能仪修

国内部分测井公司仪修站已经搭建了智能清洗、智能检测、智能存储的试验平台，目前能够实现仪器的半自动化卸车，高压冲洗、漂洗、风干的集成化全自动处理，并建立了自动污水处理系统，实现污水的回收利用处理以及固态废料的收集。智能存储为每支仪器安装标志感应芯片，每支仪器的当前位置信息，状态信息等都集中管理，大大节约了人工，也降低了仪器管理风险。

1.5智慧井场

国内部分测井公司开始考虑井场人性化改造，比如井场数据交互采用无线通讯，减少人工拖电的反复工作量，可以消除井场错综复杂的电缆网。智能装源机器人可以替代人员进行仪器放射源的安装和拆卸，可以避免辐射对人体的伤害。智能运送可以轻松的将仪器从测井车传送至测井平台上，大幅度降低人工搬运的工作量和危险性。

4、结语

目前智能化在石油测井行业的应用尚不具规模，但需求已经明显显现。现在主要的应用有两个方面：一是为了代替高强度的人力，如搬运、清洗等;二是以数据监测和处理为主，如智能处理软件、智能检测软件等。

现有的这些产品尚不成熟，多数处于开始研发阶段，比如自动清洗机就无法处理带腿的仪器或声波之类的刻槽仪器，智能装源机器人只能安装特定的几种仪器兼容性不够，智能测井系统遇到异常停车后无法判断具体原因和重新启动等。

石油测井因其工作不分日夜、体力需求大等原因，已无法吸引年轻力量的加入，随着石油产业的继续发展，测井智能化的需求将愈加明显，同时响应国家号召，节能增效也是测井智能化发展的另一方向，也是科学技术进步的必然趋势。

参考文献：

[1] 廷栋.中国石油测井科学的发展及展望[J].地球物理学报，1997（40）：344-350.

[2] 匡立春， 刘合， 任义丽， 罗凯， 史洺宇， 苏健， 李欣. 人工智能在石油勘探开发领域的应用现状与发展趋势[J]. 石油勘探与开发， 2021，48（1）： 1-11.

[3] 敖炜.测井技术发展史[J].工业技术，2016，07-0020-01

[4] 孙学荣.石油测井技术现状及发展趋势探讨[J].中国石油和化工标准与质量，2014，12：73