浅析机器学习在石油测井领域的研究进展--中国期刊网

字体：大中小

首页> 原创作品> 正文

浅析机器学习在石油测井领域的研究进展

发表时间：2021/6/17 来源：《基层建设》2021年第6期作者：王世新

[导读] 摘要：随着科学技术的发展，我国的机器学习技术有了很大进展，机器学习技术作为人工智能的重要组成部分，对社会经济发展有着显著贡献。

        新疆准东石油技术股份有限公司新疆克拉玛依市 834000
        摘要：随着科学技术的发展，我国的机器学习技术有了很大进展，机器学习技术作为人工智能的重要组成部分，对社会经济发展有着显著贡献。近年来，机器学习成功应用于地球物理测井领域，使测井解释技术得到了进一步发展。基于此，本文深入分析机器学习在测井领域的应用现状，阐述了近几年石油行业与机器学习融合发展的应用成果，并对测井领域机器学习技术的发展趋势进行展望。
        关键词：机器学习；人工智能；测井解释；地球物理测井
        引言
        测井技术是石油行业一项重要的勘察技术，通过采用该技术，能够帮助工作人员了解石油所处的地质构造、油气分布，解决一些地质问题。但该技术在实际实施过程中，自身存在有很多客观的危险点，比如放射性测井技术有着较强的放射性，因此需要加强对测井安全的管理与控制，规范测井工作人员操作，从而有效降低测井施工安全事故，提高测井施工质量水平，推动石油行业更好的发展。
        1机器学习
        无线通信依赖于基础设施和其他资源。无线通信速率取决于信道容量，而信道容量又取决于所使用的通信技术和专用于无线电频谱带宽的数量。为了鼓励带宽的增长和新用途的快速发展，奥巴马政府于2010年发布了《国家宽带计划》（NationalBroadbandPlan）。该计划目标将大量带宽从旧的、生产力较低的用途中解放出来，投入到现代数据高速公路系统中。重新分配频率资源，无论是规划还是实施都不容易，也没有直截了当的方法。这一计划的规划过程就遭遇到前所未有的计算困难，实施阶段则需要各部门的高度协调。特别是重新分配的一部分频率资源是用于超高频广播电视的频谱带，需要预先设定要清理多少个原有频道；暂停哪些电台电视台（为新的用途腾出频率空间）；哪些频道会继续留给原有电台电视台使用；何时进行频道切换，以避免信号干扰。这一极为复杂的市场设计问题涉及多了个计算难题，其中最主要的就是非确定性多项式时间（NP）。这一过程中最关键的算法之一——“可行性检查器”（feasibilitychecker），已经借助机器学习的方法被开发出来。
        2机器学习在测井领域的技术研究现状
        2.1基于决策树的储层预测研究
        决策树是一种通过学习历史数据发掘数据特征，推断出决策规则来预测目标数据的算法。决策树主要分为决策节点和叶节点，决策节点用于做出任何决策，叶子节点输出决策结果，预测的计算次数不会超过该决策树的深度，所以该算法具有计算量小、效率高的优势。随机森林（RF）基于决策树，是采用集成学习思想将多棵树继承的一种算法，解决了决策树的过拟合问题，数据集无需规范化且具有较高的准确率。所以决策树和随机森林往往应用于储层预测与分类。储层水饱和度是致密气藏的重要属性，不正确计算水饱和度会导致有关油层开发的错误研究，并且确定水饱和度的常规方法并不能适用于各种储层情况。2018年，SadeghBaziar等人提出将SVM、ANN、决策树和随机森林四种算法进行对比研究，基于相关系数、平均绝对误差和均方根三项误差指标，选取Uinta盆地的测井与岩心信息用于预测致密气砂岩储层含水饱和度。结果表明，决策树的预测周期短且准确性高，相对较优。2021年，郭建宏等人以测井资料为基础，将斜率关联度法与随机森林相结合应用于煤层气含量预测。结果表明，斜率关联度法能准确找到可用于煤层气含量预测的测井曲线，随机森林预测结果可信度高，总体来说对煤层勘探开发具有指导意义。

期刊文章分类查询,尽在期刊图书馆

        2.2成像测井技术
        采用较简单的测井方法，与石油开采原则的仪器产生共振，通过垂直、水平的定量变化波和相应的绘图检测出来，对于地质构造中碳氢化合物贮存挖掘的现状，并绘制一幅三维图，以及将数字化信息技术纳入设备的神奇效果，这种半一体化技术有许多优点，在其石油工程应用过程中，它所用的时间只比油气储存数据值地质层和采矿层的测井费用低。精确的测量，并适应多种复杂环境，不论地形如何，这一设备在数据系统结构中进行，可以转换图形，即使是在地形最为陡峭的地区，也可以转换为特征很强的图像，将实际地貌进行准确展现。
        2.3基于声学测井技术的数据联合反演井内油藏
        利用匹配追踪算法，将在井内通过声学测井技术的数据与勘探数据进行对比，从而用测井数据和勘探数据联合反演出井内不同地层的反射系数序列，利用其幅度和相位信息，寻找油藏位置。同时，还需要利用地震子波字典和反演底层反射序列处理程序。首先，对油藏位置进行精确处理。考虑到井内不同地层具有不同的地质结构，因此需要采用较为特殊的信号处理方法，包括线性预测。频率压缩的数据信号处理算法，对通过声学测井技术测出的井内数据和不同地震子波进行数学处理。利用地震子波的丰富度，充分反映井内可能出现的地质结构和特性。其次，利用反演底层反射序列处理程序，将获取到的每一道迭代后的勘探数据与地震子波字典进行一一对比，找出相关系数最大的数字，并利用该数值对应的反射系数作为勘探数据的反射系数。当找到油藏位置时，勘探信号会从油藏的入射到油藏与底层之间的临界面上，并且在该临界面上产生较强的声反射，且反射系数具有标准的正相位特点。
        3机器学习与石油公司的跨界合作
        3.1加强测井工作人员操作管理，降低安全事故发生概率
        以放射性测井技术为例，要求从事放射性测井作业的工作人员规范佩戴好防护服与放射性个人剂量计，规范使用剂量率监测仪进行密封型放射源出库检查，严格按照测井工作规范展开测井工作，在每次采用放射性仪器进行测井时，需要做好仪器状态检查，禁止私自对放射性测井器拆开检查，避免放射性物质泄漏。针对于废弃的放射性测井仪器零件，需要专门妥善保管，禁止随意丢弃，由生产厂商进行回收处理。在作业现场，需要设置隔离带，禁止闲杂人等进出作业现场，有效降低测井安全事故发生概率。
        3.2提高测井技术的可视化效果
        测井技术是一种具有整体特性的技术，在各种应用和技术发展方面存在多元化的特征。不同深度的钻探需要不同的实际钻探技术应用。当技术得到最佳化和改进时，测井的工作就更加精确和深入地进行，测井工作所依据的数据在数量和准确性方面也同时得到改进。如果充分考虑到地质因素、地震预测技术以及工程和建筑因素，测井工作的进一步可视将有助于在技术应用方面取得更好的成果。
        结语
        综上所述，由于油气勘探领域的不断扩大以各种复杂地质条件的出现，推动着测井解释技术日趋成熟，基于机器学习的智能化测井解释已必然成为一种主流发展方向。机器学习凭借其出色的计算能力、数据分析能力、非线性预测能力、自适应能力等，在处理复杂且具有未知性的问题时表现出较强的鲁棒性和泛化能力，已经广泛应用于石油测井领域，可以相信该项技术在打造高效数字油田过程中发挥着至关重要的作用。
        参考文献：
        [1]杨斌，匡立春，孙中春，等.神经网络及其在石油测井中的应用[M].北京：石油工业出版社，2005.
        [2]张锋，张星，张乐，等.利用支持向量机方法预测储层产能[J].西南石油大学报，2007（03）：24-27+16.
        [3]武勇.石油行业测井安全的管理与控制[J].化工管理，2019（15）：98-99.
        [4]张东晓，陈云天，孟晋.基于循环神经网络的测井曲线生成方法[J].石油勘探与开发，2018，45（04）：598-607.
        [5]何旭，李忠伟，刘昕，等.应用卷积神经网络识别测井相[J].石油地球物理勘探，2019，54（05）：1159-1165+945-946.