但是！
目前石油的三大出口国，沙特、俄罗斯、美国以及其他石油工程领域的参与者为了提升竞争力和抗风险能力，都希望通过数据剖析、实时监测和自动化来寻求可持续性发展，随着打算机科学的飞速发展，将人工智能（Artificial Intelligence）运用到油气领域成为行业发展势在必行的选择。

就目前的技能发展而言，认知智能、大数据、云打算、机器学习、深度学习、自然措辞处理和打算机视觉是石油工业上常用的一些算法和模式，将其综合运用于从管理到勘探开拓的各个环节。

现状到底如何呢？让我们来一起看看。

认知智能

「认知智能是指机器具有主动思考和理解的能力，不用人类事先编程就可以实现自我学习，是人工智能的最高阶段。

例如，当我们思考苹果和鸡蛋哪个大的时候，思维办法可以有以下两种：

①估算苹果长约10cm，鸡蛋长约5cm，得出结论：苹果大。

②基于生活履历知识，我们在脑中有鸡蛋和苹果的印象，自然而然基于多模态乃至物理层面上的印象就直接判断出来。

认知智能与人的措辞、知识、逻辑干系，可以将大量繁琐却主要的事情变得更加高效准确，更人性化。
」

认知智能被运用于油藏开拓预测上。
比如英国BP石油公司和Beyond Limits公司互助开拓人工智能软件，可以根据本地已有钻井地质特色以及生产参数为依据，精确预测油藏地质甜点，优选井位，降落油气勘探本钱。

AI钻井井位优化（Lin, 2019），白线为预测井位

大数据&云打算

关于大数据的运用我相信每个人都深有体会，常常在海内某引擎搜索后，打开购物软件，广告即可精准投送到你的手机，有网友打趣说到：“大数据比你男/女朋友还懂你”，大数据是把双刃剑，还须要严格把关。
」

在工程领域，钻井井壁失落稳是危及到井下施工职员生命安全的一大安全隐患，但人工智能可作为桥梁，搭建自动化与最优化的通道，为钻井现场施工供应优化剖析后的决策见地，并通过预测性剖析减轻钻井事件的影响。

例如通过大数据剖析和强大的云打算功能，可以通过现场传感器监测的数据实时返回到云端进行处理剖析，以实时快捷办法预测井壁失落稳风险，有效缩短钻井周期，减少井下事件发生的几率。

机器学习

「机器学习是打算机通过仿照或实现人类的学习行为以获取新的知识或技能，重新组织已有的知识构造并使之不断改进自身的性能深度学习，传统的机器学习包括决策树、随机森林、人工神经网络、贝叶斯等方面的研究。
」

泰国国家石油公司PTTEP的工程师采取决策树(Decision Tree)算法，剖析考虑多成分(包括井的参数、生产条件、流体参数、油藏参数、地面举动步伐、利润来源、供应商条件、HSE哀求)的情形下，优选举升系统，优化结果与人工决策比较，明显地降落了本钱并且提高了产量。

钻井决策系统（NOV, 2016）

其余，在钻井设计的运用中，机器学习也发挥着巨大浸染。
国民油井华高公司(National Oilwell Varco)运用人工神经网络方法，对钻头选择数据库的数据进行演习，形成优化钻头选型的人工智能方法。

数据库中的信息包括：在特定岩层中利用的钻头、岩石强度数据、地质特性和钻头在该类岩石的常规钻速。
运用经由演习后的人工神经网络，用户输入地理位置数据、地质数据、岩石力学数据和已钻井数据后，即可输出选择的钻头类型、该钻头的性能预测及利用指南。
与此同时，用户输入的数据会进入到数据库中，连续参加数据演习。

机器学习PLUS+—深度学习

「深度学习是指强化的机器学习，常日依赖优化后的人工神经网络算法来实现。
人工神经网络是仿生人脑的神经网络开拓的深度学习算法。
虽然人脑的运算速率远不及打算机，但其生物神经网络的繁芜程度远高于后者，因此可以轻易辅导、指令、处理自主性的活动。
」

在油气领域中，通过人工神经网络方法演习大量已有高产页岩气层的测井资料与含宇量的数据关联特色，可以根据测井数据更加精准的优选高产页岩气藏，降落本钱。
其余，也可以从随钻测井得到的测井资料阐明各种岩石物理、力学参数。

例如Nervana公司，基于地震资料的深度学习方法，演习数据根据地震资料创造油气资源，在其云端开拓的油气勘探办理方案，可在没有人工干预的情形下从三维地震图像中识别大量地下断层。

其余，对付页岩气勘探开拓而言，定向钻井技能是能否达成高产气流的重中之重，这一技能须要耗费大量的人力物力，特殊是须要高技能的工程师在事情过程中应对各种突发状况，不断进行决策。
为了应对这一情形，壳牌和微软联合研发推出的Shell Geodesic可以实时网络钻井数据并自动做出决策，并且可以通过机器学习和掌握算法软件，给地质学家和钻井职员绘制出更为逼真的油气层图像。

斯伦贝谢DELFI软件

天下著名油服公司—斯伦贝谢的DELFI多维环境软件，更是将深度学习、数据剖析、自动化等多个技能上风整合，使得勘探开拓事情更加智能化，该软件集成险些所有石油工业的通用性的现有专业知识，可用于办理繁芜的油气行业技能问题。

自然措辞处理&打算机视觉

「打算机视觉是一门研究如何使机器“看”的科学，即用拍照设备代替人眼对目标进行识别、跟踪和丈量等机器视觉，并结合python等编程措辞对图形进一步处理，例如汽车的自动驾驶功能便是范例的运用之一。
」

对付一些海上油井平台，仪表数据的实时监测每每须要投入人力本钱进行读取，打算机图形学的引入，可通过图像识别对仪表数据进行实时的拍摄读取、剖析，更加高效便捷。

裂痕优化示意图（Du et al., 2017）

对付动辄三四千米深的页岩气藏，借助地震勘探反演储层缝网发展状况，并且结合数值仿照方法探究页岩储层压裂效果是目前的主流研究思路。
通过自然措辞和图像剖析处理，研究职员可以设定一定的图像阈值，对已有的数据进行优化。

例如上图的原始缝网数据，包含了噪点信息，用于仿照打算须要耗费大量韶光本钱，运用人工智能可以对原始数据优化剖析，提高仿照打算效率。

数字岩心（图片来自石油圈）

其余在岩石CT断层扫描技能中，须要对得到的三维重构图像缝网进行二次处理，利用图像信息化处理可快速进行剖析判断继而完成重构。

其余，科技巨子与石油行业的强强联合也不断促进着人工智能在石油领域的发达发展。
道达尔和谷歌互助开拓了一套能够阐明地层图像的人工智能程序，该程序能够利用打算机成像技能实现地震数据的机器学习，并利用自然措辞处理技能自动剖析数据文件，建立更加精确的地质模型。

后记

相信很多人对人工智能时期的来临都取决于AlphaGo和柯洁的围棋大战，原来被认为打算机难以超于人类的围棋游戏，终于在芯片算力不断爆炸式增幅的本日，人类败北了，可能对付某些业内人士，做到理解AlphaGo基本事理是没问题的，但是人类却很难明得为什么AlphaGo会做出此种决定，这便是量变引起质变的过程。

如何跟上时期的步伐，使AI成为我们事情的得力赞助，值得我们每个人思考！

参考文献

[1]林伯韬,郭建成.人工智能在石油工业中的运用现状磋商[J].石油科学通报,2019,4(04):403-413.

[2]刘伟,闫娜.人工智能在石油工程领域运用及影响[J].石油科技论坛,2018,37(04):32-40.

美编：黄紫薇

校正：张腾飞