人工智能在石油勘探开发领域的应用现状与发展趋势

被引：186

作者：

匡立春 ^{[1
]}

刘合 ^{[2
]}

任义丽 ^{[2
]}

罗凯 ^{[1
]}

史洺宇 ^{[1
]}

苏健 ^{[2
]}

李欣 ^{[2
]}

机构：

[1] 中国石油天然气集团有限公司科技管理部

[2] 中国石油勘探开发研究院

来源：

石油勘探与开发 | 2021年 / 48卷 / 01期

关键词：

人工智能; 测井解释; 地震勘探; 油藏工程; 钻完井; 地面工程;

D O I：

暂无

中图分类号：

P618.13 [石油、天然气]; TP18 [人工智能理论]; TE34 [油田开发（油藏工程）];

学科分类号：

0709 ; 081803 ; 081104 ; 0812 ; 0835 ; 1405 ; 082002 ;

摘要：

针对石油勘探开发的实际需求,阐述了人工智能技术在石油勘探开发领域的研究进展与应用情况,探讨并展望未来人工智能技术在石油勘探开发领域的发展方向与发展重点。机器学习在岩性识别、测井曲线重构、储集层参数预测等测井处理解释方面初步应用,并显现出巨大潜力;计算机视觉技术在初至波拾取、断层识别等地震处理解释方面应用已有成效;油藏工程领域深度学习和最优化技术已开始应用于水驱开发实时调控、产量预测等方面;数据挖掘在钻完井、地面工程等领域的应用初步形成了智能化装备、一体化软件。未来人工智能在石油勘探开发领域潜在的发展方向为智能生产装备、自动处理解释和专业软件平台,发展重点为数字盆地、快速智能成像测井仪器、智能化节点地震采集系统、智能旋转导向钻井、智能化压裂技术装备、分层注采实时监测与控制工程等技术。表1参19

引用

页码：1 / 11

页数：11

共 12 条

[1] 基于循环神经网络的油田特高含水期产量预测方法 [J].

王洪亮 ;

穆龙新 ;

时付更 ;

窦宏恩 .

石油勘探与开发, 2020, 47 (05) :1009-1015

[2] 大数据驱动下的老油田精细注水优化方法 [J].

贾德利 ;

刘合 ;

张吉群 ;

龚斌 ;

裴晓含 ;

王全宾 ;

杨清海 .

石油勘探与开发, 2020, 47 (03) :629-636

[3]

Valuable Data Extraction for Resistivity Imaging Logging Interpretation[J]. Yili Ren,Renbin Gong,Zhou Feng,Meichao Li.Tsinghua Science and Technology. 2020(02)

[4] 智能代理在油藏建模中的应用 [J].

SHAHK ARAMI Alireza ;

MOHAGHEGH Shahab .

石油勘探与开发, 2020, 47 (02) :372-382

[5] 基于模糊推理的致密砂岩气储集层重复压裂井选择方法 [J].

ARTUN Emre ;

KULGA Burak .

石油勘探与开发, 2020, 47 (02) :383-389

[6] 基于Boosting Tree算法的测井岩性识别模型 [J].

江凯 ;

王守东 ;

胡永静 ;

浦世照 ;

段航 ;

王政文 .

测井技术, 2018, 42 (04) :395-400

[7] 基于循环神经网络的测井曲线生成方法 [J].

张东晓 ;

陈云天 ;

孟晋 .

石油勘探与开发, 2018, 45 (04) :598-607

[8] 基于流线聚类人工智能方法的水驱油藏流场识别 [J].

贾虎 ;

邓力珲 .

石油勘探与开发, 2018, 45 (02) :312-319

[9]

Application of artificial neural networks in a history matching process[J] . Luís Augusto Nagasaki Costa,Célio Maschio,Denis José Schiozer.Journal of Petroleum Science and Engineering . 2014

[10]

A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence[J] . John McCarthy,Marvin L. Minsky,Nathaniel Rochester,Claude E. Shannon.AI magazine: Artificial intelligence . 2006 (4)

← 1 2 →