大港油田第一采油厂 天津 300280
摘要：信息时代下，伴随大数据和人工智能技术的持续发展，造成了整个社会与整个产业链都形成了颠覆性的改革。而石油是工业发展的血液，是促进中国国民经济以及工业现代化的关键物质根据。然而伴随不可再生资源的持续开发，想要对剩下的资源进行开采的难度也就更大，因此出现了石油资源品位较低、老油田含水量较高、低油价、环境污染严重等各种问题，是目前油气田开发面临的重要挑战。大数据技术、人工智能技术和能源的充分结合，能够在油气田开发等各个环节中展现关键效用，文章对此进行了一系列的研究。
关键词：大数据；人工智能技术；油田开发
引言：目前，伴随大数据和人工智能等各种技术的持续进程，大量的石油天然气公司在企业活动中使用大数据和人工智能等信息技术，以此来提升员工的工作效率、减少员工的劳动强度，节约企业成本，例如：中石油的勘探开发梦想云、壳牌的Smartfield项目等。信息化技术和能源的充分融合将会变成能源范畴的全新革命，将会对能源的未来进行重塑。大数据和人工智能技术已经变成了油气智能开发、探测和生产的重要技术。油气行业的日常活动通常都需对各种复杂与不可预测的问题进行处理；尤其是对于油气行业的开发与生产过程中遇到的一些非线性难题，一般需进行出有风险的决定，并且需要做出更为准确与科学性的决定。因此需要让大数据和人工智能技术在油气行业的使用变成必定趋势。与此同时，同样对石油行业的员工提出了更为严格的要求，也就是在把握信息技术专业知识的同事，将其在实际工作中进行使用。
1大数据、人工智能技术对油气田智能化进程的意义
通过对历史的研究我们可知，每次工业革命都对有效促进了生活生产力进行飞跃，使得经济更加的繁荣，促进人类社会文明不断发展。现如今，第四次工业革命正在迅速发展，其主要特征是由大数据与人工智能技术引起的对整个社会以及产业链的倾覆改革。在金融、工业、医疗、互联网等各个行业中，人工智能技术与大数据都获得了开发与使用，并且获得了十分良好的应用效果。而石油行业一直是国民经济发展的关键性支柱，并且是新技术和方式的重要实验范围，然而在石油行业中，大数据与人工智能技术一直处在开始环节。最近十年来，北美页岩气革命对世界上油气供应格局进行了更改，导致供过于求，石油的价格也以及进入到了中低价阶段，上游产业的进程也从资源扩展转变成了减少增效类型。伴随更多优秀资源的持续开发，我国剩下的石油储备的开采难度也在不断增大，并且出现了石油资源品位低、环境污染、老油田含水率高等各种开发中的问题。面对低成本竞争环境，第四次工业革命必定会和石油工业进行充分结合，智能油田的进程有可能变成应对低油价的一个突破口。
智能油气田将油气物理联系当作主线，在自动数据收集与控制的条件下，经过对管理的变更与流程的完善，创建综合感知、完善决定、自动控制、智能预测的生产系统，落实对生产工艺和作业、油藏管理的不断完善。油气田智能化则是油气田开发的的需要，能够有效处理油气田开发工作中的各种现实问题。智能油田正在向着数据展示虚拟化、可视化、决定与部署协同高效、生产管理远程与实时、业务管理集成和精细化、信息资源合成与共享的目标前行，从而实现稳定原油产量，天然气开发利用的迅速前行与国民经济的高品质发展。
2油气勘探开发中大数据与人工智能技术的使用
2.1对岩心岩石的分类
基于岩心分析范围，通常在图像识别方面使用深度学习算法。传统岩石薄片图像识别主要是以视觉观察与描述为准，具有测试周期较长、量化困难、效率低、主观影响大等各种难题。深度学习算法能够对岩石薄片实行矿物识别、特点标示、信息提取等各项处理，拥有速度快、精度高的优势。现如今，使用岩心CT扫描图像数据当作是机器联系培训卷积神经网络的训练数据集，岩相区分的杰林预算正确率通常可以达到90%以上。
2.2测井曲线说明
传统的储层参数预估方式主要经过经验公式或者是简化地质条件来创建模型，对储层参进行计算，对处理普通的油藏问题具良好的效果，但是对于较为复杂的地质问题，其预测的准确度较低。随着人工智能的持续发展，尤其是深度学习神经网络的进程，为地质储层参数预估提供了全新的路径，这项技术能够对曲线特点进行自主学习，规避人为提取出现的错误，它不仅可以自动识别岩性、岩石种类、沉积微相，还可以自动说明储层物性参数。
2.3地震资料说明
在深度学习中，最大程度使用地震信息来获得地下信息的一个主要方向。在深度卷积生成反击网络的叠前地震波形分类方式的基础上，不但留下了深度卷积神经网络的特点提取才能，还可以经过对标签数据的辅助培训来良好提升识别准确度。使用合成地震记录生成培训的信息合集，培训卷积神经网络模型，不仅可以对断层进行检验，并且还可以对断层倾角进行检验，和往常的相干系数、断层似然概率算法相比较，预估的成就更为显著。此外，深度学习算法还能够对地震数据当中和盐丘有关的特点进行提取，创建全波形反演需求的最初模型；在便宜图像的基础上形成盐丘概率图，并且把它耦合到全波形反演的目标函数里，并且可以在盐丘的自动识别中进行使用。
2.4预估油气甜点
在进行非常规油藏开发的时候，经过把油气生产数据和射孔、水力压裂层信息有效结合，创建地层和生产数据间的联系，并采取聚类算法来完成分析，从而明确油气甜点层位。通过使用这种方式，分析美国巴肯页岩数千口页岩油，预测的油气甜点率可达85%。
2.5生产动态历史拟合和数值模拟预算
整合卡尔兹曼滤波（EN-KF）是油藏数值模拟以及历史拟合中常用的方法，如果这项方式中输进的参数遵循高斯分布，对适用范围进行了限制。最近几年来，人们提出了在深度学习的数据驱动历史拟合方式基础上，预估成果比模型驱动的历史拟合方式更为可靠。如：利用卷积神经网络加上主成分分析有效结合的历史拟合法，不管是对已经开发的油井前后预测，或是对新油井的生产动态预估，都能够获得良好的精度。
2.6预估油井数据驱动油藏产量
深度培训网络一项还处在起步阶段的数据驱动模型，能够在知道天然气生产、石油产量、进口温度、压力数值等各种与油井相关数据的基础上，建立油气产量和井数据的映射联系，科学合理的预估单井和井场的整体生产状况，确定分配需求。
结论：综合上所述，近几年来，伴随大数据时代的盖度进程，人工智能技术在发展过程中也获得了全新的机遇和挑战。基于低油价的背景，大数据以及人工智能技术能够有效节省人工成本，不断提升油气田开发的效率，在石油业中具有十分宽广的使用前景。
参考文献：
[1]王小龙.浅析人工智能在油气行业中的应用[J].现代信息科技，2017（1）：119.
[2]胡慧霞.大数据与人工智能在计算机网络中的应用[J].电子技术，2020（3）.
[3]丁娜，郝江涛.基于大数据的通讯技术网络中人工智能应用[J].中国新通信，2020，v.22（07）：102-103.
[4]郑雪芸.关联数据技术在石油领域术语关联中的应用研究[D].
[5]刘洪，马力宁，黄桢.集成化人工智能技术及其在石油工程中的应用[M].石油工业出版社，2008.