石油物探中如何应用人工智能
2018-09-27
关键字：
来源：[互联网]
[中国石化报2018-09-26]人工智能机器学习技术正在不断突破之中。工业技术从数字化、网络化走向智能化是大趋势，油气勘探也不例外。
王宏琳
●●引言●●当前激动人心的人工智能浪潮，是由机器学习技术的突破推动的。本文以石油物探领域为例，看人工智能机器学习的应用潮起潮落。
●●回顾●●
现在越来越多的人相信：人工智能提供了强大的数据解释过程，可以帮助地球科学家找油。地球科学家已经具备找油的知识储备和经验。当资源变得越来越稀缺，人工智能机器学习系统可以对确定新井位起关键作用，并在使科学家和工程师能够更有效率工作方面发挥着关键作用。
伊恩·古德费洛等著的《深度学习》一书，把深度学习的历史追溯到20世纪40~60年代“控制论”和20世纪80~90年代“连接主义和神经网络”的兴起。
石油物探计算机应用可以追溯到20世纪50年代初。当时MIT数学系的GAG(地球物理分析组)研究，将控制论的创始人罗伯特·维纳的时间序列分析理论应用到石油勘探地球物理数据分析上。
19世纪80年代末，随着连接主义和神经网络的兴起，机器学习在石油物探领域的应用掀起一阵热潮。那时主要利用神经网络进行地震数据初至波的拾取。在石油勘探地震数据处理中，初至波的拾取很费人工，而神经网络是一种数学算法，可以迅速解决通常需要人工干预的问题。
在油气勘探界，地质家华莱士·普赖特的名言——“最先发现石油的地方，是在人们的大脑里面”影响甚远。传统主义者一直怀疑人工智能系统能够替代人类的大脑。但现在越来越多的人相信：石油是人的头脑从数据中找到的，人工智能提供了强大的数据解释过程，可以帮助地球科学家找油。地球科学家已经具备找油的知识储备和经验。当资源越来越稀缺，人工智能机器学习系统可以对确定新井位起关键作用，并在使科学家和工程师能够更有效率工作方面发挥关键作用。
21世纪初，神经网络在石油物探中的应用开始复苏。在过去的十五年里，神经网络在地球物理数据分析中的应用有两个特点：其一，几乎全与地震属性分析有关，包括利用地震属性预测储层性质的有监督神经网络，或预测相分布的无监督方法；其二，使用的算法更多样，包括利用K-均值聚类、K-近邻、自组织映射、生成拓扑映射、支持向量机、近似支持向量机、概率神经网络,广义回归神经网络和径向基函数网络等，成功地提取了多个地质体的地质特征。
在过去十年间，机器学习技术最大的进步当属深度学习算法。深层学习算法在处理数据的非线性方面非常出色。深度学习的策略是模拟神经元，并将之组织成多个层次。例如，对于人脸识别而言，一张图片输入深度学习系统时，系统的第一层仅简单区分其中的明暗像素点，下一层可能就将某些像素点构成了边界，再往下一层就能区别水平和垂直线条，最后一层能识别出眼睛，并且会认识到人脸中通常有的两只眼睛。许多研究人员认为，深度学习是个很好的解决方案。
近年来，一些研究者将深度学习算法应用于地震解释中的自动断层识别。断层是在岩体上的不连续性，它是岩体运动显著位移的结果。目前的断层解释方法需要大量的手工和重复的工作。深度学习可以应对巨大的地震体积。
●●展望●●
在地震处理解释中应用的机器学习算法越来越多。在理想的情况下，人们希望有单一算法，能够解决所有问题：能够从数据中发现任何知识，并能够为我们做任何我们想做的事情。我们无法知道是否可以找到这样的算法。但是，可以期望早日诞生新型机器学习算法，能够更有效地解决石油物探中的问题。
在过去的十多年中，石油物探人工智能机器学习应用特点是：几乎完全与地震属性分析有关，以及使用的算法多样化。
展望未来，石油物探人工智能机器学习应用，可能呈现新的特点：其一，解决新类型的问题，如地球物理反演和自动解释；其二，使用新类型的深度网络算法。
目前，全球物探市场处于困难时期，物探公司面临新的挑战，却也促使人们激发对采用人工智能机器学习技术提高勘探效率和降低勘探成本的兴趣。
未来算法的突破和计算机能力的增加，将导致机器学习更有效应用于地震数据处理解释。自动地球物理特征拾取，可望在进行偏移成像、解释之前就能够从原始地震记录发现（分类）和确定（预测）地下结构，这将颠覆现在的处理解释流程。机器学习可望提供解决全波形反演的强有力工具。弹性介质全波形反演，被视为地球物理工作者竭力追求的“圣杯”。
在地震处理解释中应用的机器学习算法越来越多。当然，在理想的情况下，人们希望有单一算法，能够解决所有问题，这样的算法有人称之为“主算法”（masteralgorithm）：能够从数据中发现任何知识，并能够为我们做任何我们想做的事情。我们无法知道是否可以找到这样的算法。但是，可以期望诞生新型机器学习算法，能够更有效地解决石油物探中的问题。
下一代地震处理解释软件将具备某种学习和认知能力。构建面向地震处理解释的智能机器学习平台。这样的平台将为应用开发人员提供构建智能应用程序的工具包，同时为最终用户提供基于图形用户界面的应用环境。
人工智能机器学习技术在不断突破之中，随着人工智能机器学习技术不断突破，工业技术从数字化、网络化走向智能化是大趋势，油气勘探也不例外。