油气勘探智能化方法落地应用的几个关键问题与思考

doi:10.3969/j.issn.1002-302X.2024.06.003

石油科技论坛 ›› 2024, Vol. 43 ›› Issue (6): 21-27.DOI: 10.3969/j.issn.1002-302X.2024.06.003

油气勘探智能化方法落地应用的几个关键问题与思考

杨午阳¹,杨谟玮²

1. 中国石油勘探开发研究院西北分院； 2. 北京工业大学材料与制造学部材料科学与工程系

出版日期:2024-12-31 发布日期:2025-01-24
作者简介:杨午阳，1969年生，2005年毕业于中国地质科学院研究生院，博士，教授级高级工程师，现任中国石油勘探开发研究院西北分院计算机技术研究所所长，目前主要从事大数据分析及智能油气田关键技术研究与软件开发方面研究工作。
基金资助:
中国石油天然气集团有限公司关键核心技术项目“碳酸盐岩储层裂缝识别与表征关键技术研究”（编号：2024ZG21）；中国石油天然气股份有限公司科技项目“油气勘探开发人工智能关键技术研究”（编号：2023DJ84）。

Key Problems and Thoughts Related to Application of Intelligent Methods for Oil and Gas Exploration

Yang Wuyang¹,Yang Mowei²

1. PetroChina Research Institute of Petroleum Exploration and Development-Northwest, Lanzhou 730020, China;2. Institute of Materials Science and Engineering, Beijing University of Technology, Beijing 100022, China

Online:2024-12-31 Published:2025-01-24

摘要/Abstract

摘要： 人工智能技术在油气领域的应用迎来前所未有的发展机遇，其技术应用还需要经历一段时间的探索、磨合和积累。分析油气勘探领域智能化应用落地面临的几个关键问题，即应用场景、标签数据集构建、网络可解释性、专家领域知识嵌入和物理机制约束、智能化框架与平台等。结合当前技术发展现状，提出人工智能落地应用的相关建议和解决方案。理解和解决这些关键问题，有助于挖掘数据价值，优化企业科研布局，明确攻关目标，构建研发生态，助力人工智能技术切实落地应用。

关键词: 智能化, 场景, 标签, 可解释性, 专家领域知识嵌入, 物理机制约束, 智能化框架

Abstract: There is an unprecedented development opportunity for application of artificial intelligence technology in the oil and gas sector. However, application of this technology still calls for a period of time for study, coordination and accumulation. This article analyzes some key problems facing application of AI technology in the oil and gas exploration sector, such as application scenarios,construction of label data sets, network interpretability, the embedded knowledge of experts and physical mechanism constraints, and intelligent framework and platform. Based on the present conditions of technological development, the article also comes up with the suggestions and solutions related to AI application. Understanding and settlement of those key problems are helpful to mining the data values, optimize the R&D plans of an enterprise, identify the research targets, construct the R&D environment, and facilitate actual application of AI technology.

Key words: intelligence, scenarios, label, interpretability, embedded knowledge of experts, physical mechanism constraints;intelligent framework

中图分类号:

TP18
P631

杨午阳, 杨谟玮. 油气勘探智能化方法落地应用的几个关键问题与思考[J]. 石油科技论坛, 2024, 43(6): 21-27.

Yang Wuyang, Yang Mowei. Key Problems and Thoughts Related to Application of Intelligent Methods for Oil and Gas Exploration[J]. Petroleum Science and Technology Forum, 2024, 43(6): 21-27.

参考文献

[1] 刘合. 油气勘探开发数字化转型　人工智能应用大势所趋[J]. 石油科技论坛, 2023, 42(3): 1-9.
Liu He. Digital transformation of oil and gas exploration and development; unstoppable artificial intelligence application[J].Petroleum Science and Technology Forum, 2023, 42(3): 1-9.

[2] 李剑峰. 油气工业数字化智能化发展趋势[J]. 石油科技论坛, 2023,42(3): 10-21.
Li Jianfeng. Digital and intelligent development trend of oil and gas industry[J]. Petroleum Science and Technology Forum, 2023, 42(3):10-21.
[3] 华为数据管理部. 华为数据之道[M]. 北京: 机械工业出版社, 2021.
Huawei Data Management Department. Enterprise data at Huawei[M].Beijing: China Machine Press, 2021.
[4] 伊恩?古德费洛，约书亚·本吉奥，亚伦·库韦尔. 深度学习[M]. 北京:人民邮电出版社, 2017.
Ian Goodfellow, Yoshua Bengio, Aaron Courville. Deep learning[M].Beijing: Posts & Telecom Press, 2017.
[5] 杨午阳, 魏新建, 李海山. 智能物探技术的过去、现在与未来[J]. 岩性油气藏, 2024, 36(2): 170-188.
Yang Wuyang, Wei Xinjian, Li Haishan. The past, present and future of intelligent geophysical technology[J]. Lithologic Reservoirs, 2024, 36(2): 170-188.
[6] 杨午阳, 魏新建, 何欣. 应用地球物理+AI 的智能化物探技术发展策略[J]. 石油科技论坛, 2019, 38(5): 40-47.
Yang Wuyang, Wei Xinjian, He Xin. Development plan for intelligent geophysical prospecting technology of applied geophysical+AI[J]. Oil Forum, 2019, 38(5): 40-47.
[7] Pearl J. Models, reasoning and inference[M]. Cambridge: Cambridge University Press, 2000.
[8] 杨午阳, 杨佳润, 陈双全, 等. 基于U-Net 深度学习网络的地震数据断层检测[J]. 石油地球物理勘探, 2021, 56(4): 688-697.
Yang Wuyang, Yang Jiarun, Chen Shuangquan, et al. Seismic data fault detection based on U-Net deep learning network[J]. Oil Geophysical Prospecting, 2021, 56(4): 688-697.
[9] Wuyang Yang, et al. Visualizing and understanding seismic fault detection network[R]. EAGE, 2020.
[10] Zhou B, Khosla A, Lapedriza A, et al. Learning deep features for discriminative localization[C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, 2016: 2921-2929.
[11] Artificial intelligence alone won’t solve the complexity of earth sciences[J/OL]. Nature, 2019, 566: 153. https://doi. org/10.1038/d41586-019-00556-5.
[12] 毗湿奴·布拉马尼亚. PyTorch 深度学习[M]. 王海玲, 刘江峰, 译. 北京: 人民邮电出版社, 2019.
Vishnu Subramanian. Deep learning with PyTorch[M]. Wang Hailing,Liu Jiangfeng, translated. Beijing: Posts & Telecom Press, 2019.

[1]	段鸿杰,马承杰,王振,公绪超,景瑞林,刘鹤. 胜利油田油气认知大模型建设与应用[J]. 石油科技论坛, 2024, 43(6): 46-55.
[2]	孙孝萍,文佳敏,尚民强,雷娜,杜吉国,周坤. 国产物探软件平台研发与生态系统建设[J]. 石油科技论坛, 2024, 43(6): 88-95.
[3]	吴淑红, 毕剑飞, 范天一, 徐明源, 杨义轩, 王宝华, 李华, 李巧云. 油藏数值模拟智能化技术思考与展望[J]. 石油科技论坛, 2024, 43(6): 96-106.
[4]	杨明澔,李小波,刘兴邦,曾倩. 人工智能大模型在油气勘探开发领域的应用及挑战[J]. 石油科技论坛, 2024, 43(6): 107-113.
[5]	刘博,曹举,刘熹,刘战庆,周超红,李生昌,任晓洲. “双碳”目标下长庆油田电网绿色低碳发展实践与思考[J]. 石油科技论坛, 2024, 43(4): 91-98.
[6]	孙强, 石兵波, 张彦菊, 赵娇燕, 张健康, 蒋丽维. 中国石油新能源业务智能化应用平台建设思考[J]. 石油科技论坛, 2024, 43(1): 86-93.
[7]	吴海莉　龚仁彬. 中国石油油气生产数字化智能化发展思考[J]. 石油科技论坛, 2023, 42(6): 9-17.
[8]	胡建国　马建军　李秋实. 长庆油气田数智化建设成果与实践[J]. 石油科技论坛, 2023, 42(3): 30-40.
[9]	滕奇刚. 吉林油田低成本物联网建设与应用[J]. 石油科技论坛, 2023, 42(3): 65-71.
[10]	杨能宇　孙艺真　赵捍军　赵瑞东　张喜顺　王才　师俊峰　陈诗雯　陈冠宏. 机采系统数字化技术研究与发展建议[J]. 石油科技论坛, 2022, 41(3): 35-42.
[11]	刘天宇　闫娟　冯守松　于洋　陆梅　艾信　李明江. 长庆油田低产井智能间抽技术发展与应用[J]. 石油科技论坛, 2022, 41(3): 50-57.
[12]	李思颖　田伟　贾友亮　李旭日　宋洁　王亦璇. 致密气藏排水采气实践及思考[J]. 石油科技论坛, 2022, 41(3): 58-66.
[13]	王治平. 聚焦提质增效　推进数字赋能　全力打造高效井筒工程作业体系[J]. 石油科技论坛, 2021, 40(6): 25-30.
[14]	李汝新. 数智赋能　释放潜能　加速推动炼化企业高质量发展[J]. 石油科技论坛, 2021, 40(6): 40-45.
[15]	赵贤正　王洪雨　刘计超　赖纪顺. 老油田实施数智油田建设研究与思考——以大港油田为例[J]. 石油科技论坛, 2021, 40(5): 1-8.

油气勘探智能化方法落地应用的几个关键问题与思考

Key Problems and Thoughts Related to Application of Intelligent Methods for Oil and Gas Exploration

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics