冯 程，祁利祺，殷 文

（中国石油大学〔北京〕克拉玛依校区 a.石油学院；b.文理学院，新疆 克拉玛依 834000）

引言

在人工智能的浪潮驱动下，以及国家提出“双碳”的时代背景下，地球物理测井教学向智能化方向转型，已经成为主要的目标任务之一，这对能源行业的教育事业是一项巨大的改革创新［1］。随着油田勘探开发技术的蓬勃发展，油藏的探明储量和开发程度越来越高，但当油藏进入开发中后期时，产量和效益会逐渐降低［2-3］，基于人工智能手段充分利用测井数据资源，无疑成为缩减成本不可替代的手段。人工智能是互联网科学的一个重要分支［4］，以点带面地促进了地球物理测井各个领域向智能化的方向发展［5］，非常受用于基于测井资料评价储层参数这类复杂的非线性问题［6］。近年来，许多科研工作者将这些技术引入地球物理测井的多个应用当中，且都取得了不错的效果［7-10］。人工智能与地球物理测井结合所带来的优势应该远不止于此，但是目前国内还缺少应用人工智能方法系统解决油藏评价的实例。例如面对大规模老井复查的庞大工作量问题，只有高效率的人工智能方法才能妥善解决，因此，油田行业急需补充大量的将测井与人工智能学科相互融合的应用型人才。

综观当今的整个石油教育行业，构建专业的人工智能测井技术体系，培养优秀的智能化测井人才，形成良好的智能化测井平台是大势所趋，也是未来的方向与目标，这是石油行业可持续发展的重要一步。尽管如此，地球物理测井中人工智能的教学内容还是相对不足，学校的教育还是以传统测井方法为主，所以填补这一部分的空白是未来需要努力的方向。

一、地球物理测井专业课程建设现状

勘查技术与工程是以石油、矿产所处的地质环境为研究对象，运用现代设备对地球进行探测，并利用信息处理技术对得到的资料进行处理，从而解决地下资源分布、地质灾害等问题的专业。其主要包括物探、测井和钻探工程三个方向。本文主要是展开对勘查技术与工程（测井方向）的课程安排改革方法的研究。

目前主要的测井方法有电法测井、声学测井及核测井，每种方法的测量参数及反映的信息各不相同，因此需要结合多种测井方法来反映地质环境的整体情况。首先通过电磁、声学等设备测量并采集井壁周围地层中的信号响应；其次将所测得的响应信号通过数字信号处理等方法转换为测井曲线；最后地质人员对其进行综合解释，分析得出地层的岩性、物性、电性、含油性等特征。上述流程简化为资料收集、处理和综合解释三部分，其课程设计如图1所示。

图1 地球物理测井专业课程组成关系

在图1中，专业基础课、测井核心课、测井资料分析和测井资料应用这四个模块组成了勘查技术与工程（测井方向）的课程核心，其模块与模块之间的关联性强。第一个模块是专业基础课模块，该模块注重对专业理论知识的学习，为后续课程的进一步学习打牢了基础，如“岩石物理基础”“弹性波动力学”等；第二模块为测井核心课，是在专业基础理论知识的基础上，结合测井相关知识而建立的核心课程，如在学习“岩石物理基础”后，可以进一步了解“声波测井”的基本原理及应用；第三个模块为测井资料分析，其对在前一模块涉及的测井方法收集到的资料进行分析处理，如“测井解释与数字处理”等；第四个模块为测井资料与应用，该模块注重对前三个模块知识的融会贯通，并能应用于实际生产，如“测井资料综合解释”等。

二、人工智能的需求同课程体系存在的问题

测井信息具有数据种类多、数据量大和多源异构等数据特征［3］，而人工智能在解决大数据问题上具有明显的优势。而在实际的测井生产中已经有人工智能与测井相结合的先例，并且取得了良好的效果。人工智能可以在很多方面与测井相结合：（1）测井曲线方面。由于机器或人为等因素不可避免地出现了测井曲线的失真或缺失，而人工智能算法比传统的经验模型和多元线性回归方法能更好地补全缺失的曲线数据［11-13］。（2）岩性识别方面。人工智能算法可以进行监督和半监督的数据分类，而测井数据通常数据量庞大，因此利用人工智能算法进行岩性识别既不用担心数据量不足的问题，又可以节省人力、物力［14］。（3）储层参数方面。传统物性参数通过经验公式建立模型计算，但是在非均质性较强的地层中很难建立测井曲线数据与物性参数之间的关系［15］。而人工智能中的神经网络算法具有自适应性和学习能力，能建立测井曲线与物性参数的非线性模型。总之，人工智能的优势在于处理大数据问题。人工智能与测井相结合是一个新的领域，将人工智能引入测井，将为测井的多解性和不确定性提供新的思路与方法。通过地球物理测井专业课程建设与人工智能的需求对比可以看到，当前的课程设置没有将测井与人工智能相结合，主要存在以下问题：（1）测井课程与人工智能课程相互独立，导致课程的连通性差，不易于课程学习与理解，难以将测井与人工智能相结合。（2）测井课程设置注重测井的基本原理，测井课程与人工智能的结合不足。（3）课程侧重传统测井方式，缺少对当前国外前沿技术的引进。

三、课程改革思路及具体措施

在新工科背景下，需要结合新时代的发展对高校的人才教育和培养模式提出更高的要求。2018年10月31日，中共中央政治局就人工智能发展现状和趋势举行第九次集体学习，习近平总书记强调，加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手［16］。人工智能的地位已经上升到国家战略的重要位置，它必将成为新时代科技工业革命的“领头羊”。此外，人工智能的脱虚向实已经在地球物理的多种应用中取得了很好的成效。因此，新工科背景下的地球物理测井专业课程改革思路必须在以学生为主体和以课程大纲为核心的基础上，与体现新时代特色的人工智能相结合，才能保证课程内容能够体现世界前沿的专业技术水平。

课程改革思路总体如下：（1）理论课程除了涉及传统的基础理论外，要注重人工智能的理论学习，并注意加强地球物理测井与人工智能的学科融合，培养多层次应用型人才。（2）课程设置内容应与当代人工智能科技应用实例相结合，紧跟世界前沿专业技术，注重培养学生举一反三和科学探索的能力。（3）课程应设置新的评价标准，教学效果检验方式应与实践教学内容（如毕业设计）相融合，加强学生利用人工智能手段解决关于测井资料的实际生产问题的实践能力，符合目前油气勘探领域对专业人才和编程人才的双向需求。

基于上述课程改革思路，结合人工智能在测井方向的实际应用现状，提出人工智能影响下的“地球物理测井”课程改革的思路及具体措施。（1）加深校企联合促人才培养。国内高校已经认识到人工智能在测井行业的应用前景，但是部分高校存在重理论、轻实践的问题［17］，这导致了学生缺乏实践能力，因此要借助与企业合作的方案增强学生的实践应用能力。如今一些油田企业也开展了许多相关项目，但是油田的部分工程师只接受过传统的测井学习，没有接触过人工智能，专业的人工智能工程师和油田企业的工程师在沟通的过程中存在困难，因此培养复合型人才十分重要。从短期来看，改革考核评价体系影响的是学生的分数，但是长远来看，要想加强校企合作，这一措施不可或缺。以中国石油大学（北京）克拉玛依校区为例，该高校位于新疆克拉玛依市，与新疆油田等企业邻近，有着得天独厚的地理优势。为了培养人工智能与测井技术的应用型、复合型人才，该校与多家企业联合制订培养方案，委派学生前往各企业学习交流，将人工智能算法理论应用于实际油田工作中，提升应用实践的能力。（2）考核评价体系的变革。考虑到许多学生只学习过传统的“地球物理测井”课程，没有系统地学习过人工智能，为了提高学生的积极性和参与度，激发其对人工智能的兴趣，可以将人工智能的相关内容融入课程最后的考核评价中。人工智能和地球物理测井是两个跨度较大的学科，想要让人工智能在测井中得到充分的应用，基本的知识储备是不可或缺的，而且从国情和能源行业的行情来看，两者的结合是大势所趋，是未来发展的一个重要方向。（3）人工智能与实践活动和创新平台的深度融合。机器学习、深度学习等人工智能算法的发展，极大地影响了勘查技术与工程专业测井数据处理和解释步骤。随着数据量的增大，更多的地质信息蕴含于测井数据当中，因此我们更应注重培养学生的数据挖掘能力。在实践课程的安排上，应当借助MOOC平台、创新创业项目引入人工智能算法的学习，拓宽学生的知识面。同时，在课余时间多鼓励学生参加“全国大学生数学建模竞赛”“全国大学生测井技能大赛”等竞赛以巩固学生的编程能力及专业知识。另外，在毕业设计中可以多加入与人工智能相融合的课题。通过融合人工智能算法的实践教学，学生能够通过其他领域的方法来掌握实际地质问题的方法与步骤，也能够激发学生的学习兴趣。

结语

人工智能结合测井是测井领域的发展方向，具有学科交叉、应用性强等特点。复合型、应用型的测井专业人才培养符合国家高效人才培养定位，市场需求广大，在立足专业基础教学的前提下，课程教学应吸收人工智能在数据处理方面的优势和长处，重点建立和完善两者融合的知识体系，突破传统课程教育方式的束缚，以调动学生的主观能动性为核心，充分发挥线上教学平台和校企项目的优势，把学生的实践能力和创新能力提高到新的高度。地球物理测井专业课程结合人工智能体现了课程教学的先进性，促进了测井专业健康持续的人才建设。

（课题组成员：冯程、祁利祺、殷文、张盼）