王一清

摘要：大数据分析技术自动收集海量数据信息并用先进的计算机分析技术来实现这些数据的价值，可以长时间运行，降低维护需求，提高生产效率，降低成本，应用于油气田开发中成效显著。

关键词：大数据;人工智能;油气田开发

1大数据及人工智能在油气田开发建设模式

（1）高精度数据实时采集。研发更加精密的随钻分析、室内测试、井下监测和井口计量等仪器设备，实现油气藏开发数据的全方位、高精度、自动化、实时采集。

（2）大数据高速传输和存储。基于5G、光纤等最新通信技术实现油田数据的高速传输，基于云存储技术实现TB或PB级海量数据的存储，构建工业设备-云端存储设备-人类设备的油气藏开发物联网。

（3）大数据与人工智能能结合实现数据赋能。基于数据、业务、算法（技术）科学匹配，开展小任务、多数据、强关联、混合技术、大数据分析，实现人工智能学习、记忆、判识，智能操控。

（4）区块链技术实现资源共享。各类生产资料、数据分析及智能判识信息等按照一定的频率记录在区块链中，形成安全的分布式数据库，解决数字经济的基础设施，为决策层提供决策依据，并打破油公司的组织边界，实现所有者、生產者和使用者的统一，涉及到了生产关系这个根本问题。

2大数据及人工智能在油气田开发实施方式

（1）建立内在统一的地质模型和油藏模型，实现油气资源的透明化、精细化，提高储量经济价值。准确的地质模型和油藏模型是进行油气田开发方案设计的基础。大数据及人工智能技术有望将地震、测井、地质、施工、生产及室内试验等多类型的数据进行深度融合，提取多类型数据中的有用信息，不断校正、完善地质模型和油藏模型，使模型能够准确再现油藏实际，为合理设计开发方案提供必要的物质基础。

（2）充分利用物理模型、井下高精度传感器、生产历史等数据，集成油藏多物理量、多尺度、全生命周期的三维油田数字孪生模型。实时反映当前时刻油田开发的状态，预测油藏动态演化及开发全过程。基于油藏数字孪生模型，验证不同开发方案、不同生产措施效果，降低开发方案部署盲目性，提升工程技术合理性，实现地质与工程全面协同，有效提高油田采收率。

（3）方案设计、实施、生产管理一体化，加强大数据分析应用，建立分层次和整体优化模型，实现开采自动化、模型化、可视化和智能化。依靠先进的数据管理和数据挖掘技术，寻找大数据中隐藏的有用信息，将每天收集到的数据（包括地震数据、测井数据、钻井参数、压裂参数等），转变为实时信息，帮助油藏工程师调整现行方案，并依靠自动化井控设备对油藏开发实施精准调控。

3大数据及人工智能在油气田开发建设方向

（1）泛在感知。基于机器学习算法对真实油藏物理问题进行建模，油田全面数据化;功能上实施数字化转型发展，在油田数字化上做好全面数据化和高质量发展。效果上寻找一条比较好的智能分析、智能操控的路径，为数字化转型升级建设智能油田打好基础。

（2）全面认知。利用获取的大数据对模型进行训练，实现机器认知;油田实施全面智能操控，功能上利用大数据人工智能，实施智能分析及时发现业务过程中可能出现的问题，预警、告警，智能分析，将生产运行过程智能操控;效果上做好人、财、物智能化，降低成本，提高效益。

（3）协同优化。油田做好全面最优，功能上将数字、智能技术植入油田业务深度融合形成一体化模式。效果上构建健康、安全、绿色的无人油田，实现可装在手机里的5G油田。

4基于人工智能的攻关技术

（1）自动地层对比。地层对比是区域地质研究（沉积体系和储层分布）的关键步骤，可以提高对目标储层预测的准确率以及降低勘探开发的不确定性和风险;作为一项关键技术，地层对比被广泛应用于油气勘探开发的多个阶段。传统地层对比采取人工对比方式，并且很大程度上依赖地质解释人员的经验。在地层格架识别和划分过程中，由于要综合分析多种地质信息（如露头、测井、岩心等），使工作量繁重，而且在解释过程中无法避免人为误差和不一致性。基于人工智能技术研发自动化地层对比工具，可有效提高工作效率和地层对比的准确性。

（2）地震数据处理和解释。油田每年采集大量三维地震数据，对于更高清晰度的需求使数据量在过去的几年中大幅增加。传统的地震处理和解释方法无法充分利用研究人员长期积累的有效经验，而且十分耗时，比如初至拾取、速度谱拾取、断层和圈闭解释等。因此将已有的地震资料处理经验与处理流程进行整合，采用人工智能技术可有效提高传统地震处理方法和解释工具的效率以及成果质量。

（3）测井曲线预测。测井数据是储层评价、测井解释和井位设计的必要资料。在特定情况下，由于生产原因等限制，孔隙度、饱和度测井资料不全，不同批次的测井资料可能存在差异。可以通过人工智能和机器学习的方法，用已有的测井曲线来预测渗透率及饱和度曲线（包括预测其他各种缺失的测井曲线），并将其整合到现有的工作流程中，用得到的新信息去更新现有油藏模型。

（4）多点地质统计学建模。储层相建模是表征地下储层非均质性的关键步骤。目前，现有相建模算法远不能满足地质逼真的要求。多点地质统计建模方法提供了一种将传统储层建模方法与最先进的机器学习图像重建方法相结合的途径，以训练图像为代表，对地下非均质性进行地质表征。深度学习算法提供了一种基于特定图像重建概念途径和方法，可以将地质理解与一定的先验硬数据相结合，生成更高精度的沉积相模型及储层属性分布。

（5）基于深度学习的3D数字岩心重构。复杂的沉积和成岩过程导致储层的孔隙结构非常复杂，孔隙可以从纳米级到厘米级。基于岩石的岩电性质（如渗透率、相对渗透率、电属性）进行数字岩心模拟研究，必须要考虑多尺度的孔隙结构特征。因此在进行储层岩电特性模拟时，建立一个包含完整孔隙尺度的3D孔隙模型至关重要。基于深度学习的3D数字岩心将应用常见的2D图像（薄片、SEM等）或3D图像（微纳米CT）作为输入，建立一个包含全尺度孔隙模型的3D数字岩心，提供可靠的模拟结果，可以与实验室实测压汞、渗透率和电性参数对比。

结语

总之，加强大数据人工智能技术在中国石油勘探开发中的应用规模，可以实现石油勘探开发主体技术更新换代的宏伟目标，从技术上促进石油勘探开发行业整体转型升级。

参考文献：

[1]梁文福。油田开发智能应用系统建设成果及展望[J].大庆石油地质与开发，2019，38（5）：283-289.