隨著計(jì)算機(jī)科學(xué)的飛速發(fā)展，人工智能新技術(shù)的算法和模式以其獨(dú)特的優(yōu)勢(shì)，成為了石油勘探技術(shù)發(fā)展的新助力，實(shí)際應(yīng)用包括據(jù)自動(dòng)采集、智能生產(chǎn)優(yōu)化與智能決策、勘探過(guò)程實(shí)時(shí)監(jiān)控等，正以不可阻擋的力量推動(dòng)石油勘探向自動(dòng)化、智能化、精細(xì)化的高質(zhì)量躍升。
數(shù)據(jù)采集自動(dòng)化
數(shù)據(jù)采集是石油勘探過(guò)程中的首要環(huán)節(jié)，但是往往儲(chǔ)集層有非均質(zhì)性、探測(cè)對(duì)象十分復(fù)雜以及測(cè)井作業(yè)環(huán)境多樣化、復(fù)雜化的特點(diǎn)，這就給井下地層參數(shù)采集、測(cè)井?dāng)?shù)據(jù)傳輸提出了更高的要求，此時(shí)人工智能技術(shù)和算法充分發(fā)揮其自動(dòng)化優(yōu)勢(shì)充當(dāng)了“潤(rùn)滑劑”的角色，實(shí)現(xiàn)地球物理數(shù)據(jù)的自動(dòng)采集和實(shí)時(shí)傳輸。
一方面，采用人工智能算法驅(qū)動(dòng)的無(wú)人機(jī)、電子巡檢代替人工作業(yè)，引入了新的測(cè)量方式和工作模式實(shí)現(xiàn)無(wú)人值守的自動(dòng)化勘探數(shù)據(jù)采集；另一方面，借助物聯(lián)網(wǎng)、工業(yè)互聯(lián)網(wǎng)、云計(jì)算、大數(shù)據(jù)、人工智能、5G通信和邊緣計(jì)算等技術(shù)構(gòu)建標(biāo)準(zhǔn)化地球物理數(shù)據(jù)采集平臺(tái)—基于物聯(lián)網(wǎng)的地球物理數(shù)據(jù)采集系統(tǒng)，實(shí)現(xiàn)了數(shù)據(jù)采集終端(傳感層)與數(shù)據(jù)存儲(chǔ)管理和處理分析系統(tǒng)的互聯(lián)互通，為后續(xù)的實(shí)時(shí)數(shù)據(jù)處理和分析解釋奠定基礎(chǔ)。數(shù)據(jù)的自動(dòng)采集和實(shí)時(shí)傳輸也有助于提高作業(yè)過(guò)程參數(shù)選擇的科學(xué)性，例如，在鉆井過(guò)程中，特定巖層中使用的鉆頭、巖石強(qiáng)度數(shù)據(jù)、地質(zhì)特性和鉆頭在該類巖石的常規(guī)鉆速，應(yīng)用經(jīng)過(guò)訓(xùn)練后的人工智能模型或算法，當(dāng)用戶輸入地理位置數(shù)據(jù)、地質(zhì)數(shù)據(jù)、巖石力學(xué)數(shù)據(jù)和已鉆井?dāng)?shù)據(jù)后，即可輸出推薦選擇的鉆頭類型以及該鉆頭的性能預(yù)測(cè)和使用指南。與此同時(shí)，用戶輸入的數(shù)據(jù)會(huì)進(jìn)入到數(shù)據(jù)庫(kù)中，繼續(xù)參加數(shù)據(jù)訓(xùn)練，充實(shí)數(shù)據(jù)庫(kù)用以支持后續(xù)的參數(shù)選擇。
由此可見(jiàn)，引入人工智能可以有效助力自動(dòng)化、實(shí)時(shí)化、高效化、科學(xué)化的勘探數(shù)據(jù)采集。
巖相聚類識(shí)別流程
石油勘探?jīng)Q策智能化
油氣儲(chǔ)集層地下條件復(fù)雜多變，油氣勘探有利區(qū)段的優(yōu)選、儲(chǔ)產(chǎn)量計(jì)算、工程設(shè)計(jì)參數(shù)選擇等石油勘探過(guò)程中諸多決策需要綜合考慮多種因素。目前，數(shù)據(jù)挖掘和數(shù)理統(tǒng)計(jì)等分析技術(shù)在石油勘探開(kāi)發(fā)領(lǐng)域的應(yīng)用較為成熟，并廣泛應(yīng)用到測(cè)井曲線解釋、儲(chǔ)集層參數(shù)預(yù)測(cè)、流體性質(zhì)識(shí)別、巖相識(shí)別、裂縫識(shí)別、自動(dòng)井位優(yōu)化等領(lǐng)域，自動(dòng)處理解釋智能化分析處理軟件也應(yīng)運(yùn)而生。
機(jī)器學(xué)習(xí)中的聚類分析在巖相劃分中的有效應(yīng)用就是一個(gè)很好的實(shí)例。聚類就是按照特定標(biāo)準(zhǔn)把一個(gè)數(shù)據(jù)集分割成不同的子集或類別，使同一個(gè)類別的數(shù)據(jù)對(duì)象的相似性盡可能大，不同類別的數(shù)據(jù)差異性也盡可能大。巖相聚類識(shí)別流程較為簡(jiǎn)單，首先盡可能收集巖相相關(guān)的數(shù)據(jù)，并且可以構(gòu)造反映巖相新的特征參數(shù)，將數(shù)據(jù)進(jìn)行相關(guān)的數(shù)據(jù)預(yù)處理之后，選擇適合數(shù)據(jù)集的聚類算法和類別數(shù)量，最終根據(jù)準(zhǔn)確度確定聚類的模型，并根據(jù)實(shí)際生產(chǎn)數(shù)據(jù)不斷調(diào)整聚類的參數(shù)。最后，就可以通過(guò)模型實(shí)現(xiàn)巖性的自動(dòng)識(shí)別分類，有助于獲取地層信息和勘探開(kāi)發(fā)決策。
不僅僅是巖相聚類識(shí)別，人工智能在助力石油勘探智能決策方面的廣泛應(yīng)用顯現(xiàn)出了更多的優(yōu)勢(shì)。一是提高人工解釋處理的效率，優(yōu)化人力資源，節(jié)省人工成本；二是不斷優(yōu)化油田生產(chǎn)歷史數(shù)據(jù)的整體開(kāi)發(fā)效果，提升整體石油工程的油田產(chǎn)量；三是采用人工智能技術(shù)可以更合理地選擇層位、施工井，逐漸優(yōu)化壓裂施工設(shè)計(jì)方案，確保石油工程作業(yè)方式更加精確。
數(shù)字化轉(zhuǎn)型“利器”
石油分布的環(huán)境十分惡劣，而油田生產(chǎn)領(lǐng)域所使用的設(shè)備又非常多，如果這些設(shè)備長(zhǎng)期處于這樣的惡劣條件，可能出現(xiàn)故障。人工智能和大數(shù)據(jù)在油田生產(chǎn)領(lǐng)域的出現(xiàn)可以有效對(duì)井下環(huán)境加以全面分析并預(yù)測(cè)鉆井時(shí)出現(xiàn)的異常情況，有效消除計(jì)劃外停機(jī)的次數(shù)，進(jìn)而對(duì)設(shè)備運(yùn)行、維修成本實(shí)現(xiàn)有效控制。另一方面，鉆井井壁失穩(wěn)是危及到井下施工人員生命安全的一大安全隱患，但人工智能可作為橋梁，例如通過(guò)大數(shù)據(jù)分析和強(qiáng)大的云計(jì)算功能，可以通過(guò)現(xiàn)場(chǎng)傳感器監(jiān)測(cè)的數(shù)據(jù)實(shí)時(shí)返回到云端進(jìn)行處理分析，以搭建自動(dòng)化與最優(yōu)化的通道、實(shí)時(shí)快捷預(yù)測(cè)井壁失穩(wěn)風(fēng)險(xiǎn)，有效縮短鉆井周期，減少井下事故發(fā)生的幾率。
隨著深度學(xué)習(xí)、自然語(yǔ)言處理、語(yǔ)音識(shí)別、強(qiáng)化學(xué)習(xí)等技術(shù)在機(jī)器人中的不斷成功應(yīng)用，工業(yè)機(jī)器人逐漸走向成熟。越來(lái)越多的石油公司開(kāi)始使用機(jī)器人代替人類進(jìn)行危險(xiǎn)作業(yè)。目前，機(jī)器人已經(jīng)成功應(yīng)用到了管道巡檢、深水作業(yè)、高危作業(yè)等領(lǐng)域。無(wú)人機(jī)技術(shù)逐漸在石油勘探開(kāi)發(fā)領(lǐng)域應(yīng)用，尤其是物探領(lǐng)域，可實(shí)現(xiàn)地質(zhì)探測(cè)、數(shù)據(jù)采集、視頻監(jiān)控、物資投放、工程救援等工作。同時(shí)，由于專業(yè)軟件的嵌入應(yīng)用，石油勘探開(kāi)發(fā)生產(chǎn)裝備的智能化水平越來(lái)越高。未來(lái)，嵌入物聯(lián)網(wǎng)、機(jī)器視覺(jué)、深度學(xué)習(xí)等技術(shù)的智能生產(chǎn)裝備將大大降低生產(chǎn)成本，提高生產(chǎn)效率，保障人員安全。
當(dāng)前，我國(guó)正加速推進(jìn)油氣全產(chǎn)業(yè)鏈改革，以實(shí)現(xiàn)安全、高效、創(chuàng)新、綠色的油氣開(kāi)采，這給傳統(tǒng)油氣行業(yè)帶來(lái)新挑戰(zhàn)，人工智能無(wú)疑是油氣行業(yè)實(shí)現(xiàn)全面數(shù)字化轉(zhuǎn)型的“利器”，當(dāng)石油勘探遇見(jiàn)“人工智能”，如何發(fā)揮好這把“利器”的作用，給我們提出了更多的思考和發(fā)揮的空間。
本文原載于《中國(guó)礦業(yè)報(bào)》5月21日4版
圖文如有侵權(quán)，敬請(qǐng)聯(lián)系刪除