随着計(jì)算(suàn)機科學的飛(fēi)速發展，人工(gōng)智能(néng)新技術的算(suàn)法和(hé)模式以其獨特的優勢，成爲了(le)石油勘探技術發展的新助力，實際應用(yòng)包括據自(zì)動采集、智能(néng)生産優化與智能(néng)決策、勘探過程實時(shí)監控等，正以不可阻擋的力量推動石油勘探向自(zì)動化、智能(néng)化、精細化的高(gāo)質量躍升。
數據采集自(zì)動化
數據采集是石油勘探過程中的首要環節，但(dàn)是往往儲集層有非均質性、探測對(duì)象十分複雜(zá)以及測井作(zuò)業環境多樣化、複雜(zá)化的特點，這(zhè)就給井下(xià)地層參數采集、測井數據傳輸提出了(le)更高(gāo)的要求，此時(shí)人工(gōng)智能(néng)技術和(hé)算(suàn)法充分發揮其自(zì)動化優勢充當了(le)“潤滑劑”的角色，實現(xiàn)地球物理(lǐ)數據的自(zì)動采集和(hé)實時(shí)傳輸。
一方面，采用(yòng)人工(gōng)智能(néng)算(suàn)法驅動的無人機、電子巡檢代替人工(gōng)作(zuò)業，引入了(le)新的測量方式和(hé)工(gōng)作(zuò)模式實現(xiàn)無人值守的自(zì)動化勘探數據采集；另一方面，借助物聯網、工(gōng)業互聯網、雲計(jì)算(suàn)、大(dà)數據、人工(gōng)智能(néng)、5G通信和(hé)邊緣計(jì)算(suàn)等技術構建标準化地球物理(lǐ)數據采集平台—基于物聯網的地球物理(lǐ)數據采集系統，實現(xiàn)了(le)數據采集終端(傳感層)與數據存儲管理(lǐ)和(hé)處理(lǐ)分析系統的互聯互通，爲後續的實時(shí)數據處理(lǐ)和(hé)分析解釋奠定基礎。數據的自(zì)動采集和(hé)實時(shí)傳輸也(yě)有助于提高(gāo)作(zuò)業過程參數選擇的科學性，例如，在鑽井過程中，特定岩層中使用(yòng)的鑽頭、岩石強度數據、地質特性和(hé)鑽頭在該類岩石的常規鑽速，應用(yòng)經過訓練後的人工(gōng)智能(néng)模型或算(suàn)法，當用(yòng)戶輸入地理(lǐ)位置數據、地質數據、岩石力學數據和(hé)已鑽井數據後，即可輸出推薦選擇的鑽頭類型以及該鑽頭的性能(néng)預測和(hé)使用(yòng)指南。與此同時(shí)，用(yòng)戶輸入的數據會(huì)進入到(dào)數據庫中，繼續參加數據訓練，充實數據庫用(yòng)以支持後續的參數選擇。
由此可見，引入人工(gōng)智能(néng)可以有效助力自(zì)動化、實時(shí)化、高(gāo)效化、科學化的勘探數據采集。
岩相聚類識别流程
石油勘探決策智能(néng)化
油氣儲集層地下(xià)條件複雜(zá)多變，油氣勘探有利區(qū)段的優選、儲産量計(jì)算(suàn)、工(gōng)程設計(jì)參數選擇等石油勘探過程中諸多決策需要綜合考慮多種因素。目前，數據挖掘和(hé)數理(lǐ)統計(jì)等分析技術在石油勘探開(kāi)發領域的應用(yòng)較爲成熟，并廣泛應用(yòng)到(dào)測井曲線解釋、儲集層參數預測、流體性質識别、岩相識别、裂縫識别、自(zì)動井位優化等領域，自(zì)動處理(lǐ)解釋智能(néng)化分析處理(lǐ)軟件也(yě)應運而生。
機器學習中的聚類分析在岩相劃分中的有效應用(yòng)就是一個很(hěn)好(hǎo)的實例。聚類就是按照特定标準把一個數據集分割成不同的子集或類别，使同一個類别的數據對(duì)象的相似性盡可能(néng)大(dà)，不同類别的數據差異性也(yě)盡可能(néng)大(dà)。岩相聚類識别流程較爲簡單，首先盡可能(néng)收集岩相相關的數據，并且可以構造反映岩相新的特征參數，将數據進行相關的數據預處理(lǐ)之後，選擇适合數據集的聚類算(suàn)法和(hé)類别數量，最終根據準确度确定聚類的模型，并根據實際生産數據不斷調整聚類的參數。最後，就可以通過模型實現(xiàn)岩性的自(zì)動識别分類，有助于獲取地層信息和(hé)勘探開(kāi)發決策。
不僅僅是岩相聚類識别，人工(gōng)智能(néng)在助力石油勘探智能(néng)決策方面的廣泛應用(yòng)顯現(xiàn)出了(le)更多的優勢。一是提高(gāo)人工(gōng)解釋處理(lǐ)的效率，優化人力資源，節省人工(gōng)成本；二是不斷優化油田生産曆史數據的整體開(kāi)發效果，提升整體石油工(gōng)程的油田産量；三是采用(yòng)人工(gōng)智能(néng)技術可以更合理(lǐ)地選擇層位、施工(gōng)井，逐漸優化壓裂施工(gōng)設計(jì)方案，确保石油工(gōng)程作(zuò)業方式更加精确。
數字化轉型“利器”
石油分布的環境十分惡劣，而油田生産領域所使用(yòng)的設備又非常多，如果這(zhè)些(xiē)設備長期處于這(zhè)樣的惡劣條件，可能(néng)出現(xiàn)故障。人工(gōng)智能(néng)和(hé)大(dà)數據在油田生産領域的出現(xiàn)可以有效對(duì)井下(xià)環境加以全面分析并預測鑽井時(shí)出現(xiàn)的異常情況，有效消除計(jì)劃外(wài)停機的次數，進而對(duì)設備運行、維修成本實現(xiàn)有效控制。另一方面，鑽井井壁失穩是危及到(dào)井下(xià)施工(gōng)人員生命安全的一大(dà)安全隐患，但(dàn)人工(gōng)智能(néng)可作(zuò)爲橋梁，例如通過大(dà)數據分析和(hé)強大(dà)的雲計(jì)算(suàn)功能(néng)，可以通過現(xiàn)場傳感器監測的數據實時(shí)返回到(dào)雲端進行處理(lǐ)分析，以搭建自(zì)動化與最優化的通道(dào)、實時(shí)快(kuài)捷預測井壁失穩風(fēng)險，有效縮短鑽井周期，減少井下(xià)事(shì)故發生的幾率。
随着深度學習、自(zì)然語言處理(lǐ)、語音(yīn)識别、強化學習等技術在機器人中的不斷成功應用(yòng)，工(gōng)業機器人逐漸走向成熟。越來(lái)越多的石油公司開(kāi)始使用(yòng)機器人代替人類進行危險作(zuò)業。目前，機器人已經成功應用(yòng)到(dào)了(le)管道(dào)巡檢、深水(shuǐ)作(zuò)業、高(gāo)危作(zuò)業等領域。無人機技術逐漸在石油勘探開(kāi)發領域應用(yòng)，尤其是物探領域，可實現(xiàn)地質探測、數據采集、視(shì)頻監控、物資投放(fàng)、工(gōng)程救援等工(gōng)作(zuò)。同時(shí)，由于專業軟件的嵌入應用(yòng)，石油勘探開(kāi)發生産裝備的智能(néng)化水(shuǐ)平越來(lái)越高(gāo)。未來(lái)，嵌入物聯網、機器視(shì)覺、深度學習等技術的智能(néng)生産裝備将大(dà)大(dà)降低(dī)生産成本，提高(gāo)生産效率，保障人員安全。
當前，我國正加速推進油氣全産業鏈改革，以實現(xiàn)安全、高(gāo)效、創新、綠色的油氣開(kāi)采，這(zhè)給傳統油氣行業帶來(lái)新挑戰，人工(gōng)智能(néng)無疑是油氣行業實現(xiàn)全面數字化轉型的“利器”，當石油勘探遇見“人工(gōng)智能(néng)”，如何發揮好(hǎo)這(zhè)把“利器”的作(zuò)用(yòng)，給我們提出了(le)更多的思考和(hé)發揮的空(kōng)間。
本文(wén)原載于《中國礦業報(bào)》5月21日4版
圖文(wén)如有侵權，敬請(qǐng)聯系删除