人工智能在地球物理中的应用与进展

人工智能在地球物理中的应用与进展得益于谷歌、微软、百度、阿里巴巴等互联网巨头提供的技术服务与迅猛宣传，人工智能、机器学习、深度学习、大数据这些时髦的词汇好像一刹那间已经遍布人们生活的方方面面。无人驾驶汽车、机器翻译、精准人脸识别……这些人工智能技术已不是科幻电影里才特有的场景，而是变成现实并开始影响我们的生活。与此同时，作为传统能源行业的重要技术领域，石油勘探开发也受到了这一波新技术革命浪潮的影响，勘探开发人员的思路与技术方法已出现转变，人工智能技术已在石油行业悄然酝酿。如统计学、人工神经网络技术、模糊逻辑在单井多相流综合测量和诊断分析中的运用；神经模拟方法用于对实验室测得的石油工程参数和现场测井参数等复杂数据进行综合的并行计算和分析，并建立预测模型；神经网络和模糊逻辑相结合被成功应用到了裂隙性油藏的分析中，并在二维空间中绘制出裂隙强度分布图和裂隙网络；模糊逻辑和神经网络技术被成功用于选择最佳的测井数据对油藏特征进行研究的案例中。此外，人工智能技术还在剩余油分布研究、NMR测井数据反演、储层对比分析、钻井成功率预测以及石油开采量预测等诸多方面都有应用。归根结底，人工智能与地球物理勘探“本是同根生”。以目前最活跃的研究领域——通过机器学习的手段来实现人工智能为例，机器学习是一门利用计算机从海量数据中寻找规律、建立模式的学科，而石油地球物理勘探的根本任务就是从大量采集的地震、电磁、重力等物探数据中恢复数百万年前构造运动和沉积演化规律，寻找地下油气的赋存模式。数据驱动是他们的方法途径，追寻模式是他们的终极目的，石油地球物理勘探领域是人工智能技术应用的一个天然试验场。可以毫不夸张地说，在互联网领域大量应用的人工智能机器学习算法，几乎都能在地球物理勘探中找到对应的应用领域。2016年3月，AlphaGo围棋人工智能程序的出现一时将“人工神经网络”这一专业术语词汇推向大众。但在地球物理勘探领域，研究人员早在十多年前就开始利用神经网络方法训练地下含油气储层与地震数据的映射模型，利用映射模型进行油气检测的技术已经相当完备成熟。时至今日，众多地球物理勘探软件里均包含了此算法的实际模块。不仅如此，如今的人工智能技术也在推动地球物理勘探的发展。其中，在计算机视觉领域以及图形图像处理领域有着广泛应用的边缘检测算法，在自动追踪地震层位辅助地震解释方面已具备相当能力；基于人工群体智能的蚂蚁追踪方法，可将上千个计算“智能体”散布在三维地震数据中，拾取不连续性小片段，自动完成地震断层的解释。这两项技术已使得地震解释自动化的概念成为可能。此外，人工智能领域发展的大量非线性优化技术，如基因算法、模拟退化算法、粒子群算法、马尔科夫链蒙特卡洛方法等，已纳入到地球物理反演技术的研究领域中。在移动网络时代，随着数据爆炸性的增长和计算能力呈几何级速度的提高，人工智能技术将步入一个全面繁荣期。基于聚类分析算法的地震相分析技术、基于贝叶斯层级网络的地震子波提取技术……这些人工智能技术，也正以前所未有的速度渗透进地球物理专业的方方面面，悄然改变着人们对地球物理工作的传统思想与观念。