中國石化石油勘探開發(fā)研究院和物探研究院為中國石化直屬上游綜合研究機(jī)構(gòu)，職責(zé)定位是中國石化上游 “三部一中心”，即：上游的發(fā)展戰(zhàn)略及油氣勘探開發(fā)參謀部、油氣勘探開發(fā)技術(shù)服務(wù)部、油氣勘探開發(fā)技術(shù)研發(fā)和集成部、上游地質(zhì)資料信息中心。圍繞西北、華北、東北、四川、海域、海外等勘探開發(fā)重點(diǎn)領(lǐng)域，持續(xù)提供技術(shù)支撐與服務(wù)，為中國石化上游穩(wěn)油增氣降本做出了積極貢獻(xiàn)。在縫洞型碳酸鹽巖油藏高效開發(fā)領(lǐng)域形成了自己的特色和優(yōu)勢(shì)。

石勘院和物探院依托國家“973”項(xiàng)目、國家重大專項(xiàng)、國家部委戰(zhàn)略選區(qū)、國家自然科學(xué)基金等一批項(xiàng)目。在縫洞型碳酸鹽巖油藏開發(fā)技術(shù)、多波多分量地震技術(shù)等方面達(dá)到國內(nèi)領(lǐng)先或國內(nèi)先進(jìn)水平，尤其是縫洞型碳酸鹽巖油藏開發(fā)技術(shù)整體達(dá)到國際領(lǐng)先水平。

場(chǎng)景組具有多年從事塔河油田開發(fā)的研究經(jīng)歷，掌握大量現(xiàn)場(chǎng)生產(chǎn)資料。2000 年完成塔河油田四區(qū)開發(fā)方案編制、2005 年與法國合作研究的塔河油田四區(qū)三維地質(zhì)建模，2006 年完成四區(qū)開發(fā)動(dòng)態(tài)跟蹤研究，2012 年 《塔河油田 12 區(qū)奧陶系油藏油氣產(chǎn)能及能量分布特征研究》及 2006-2018 年承擔(dān) “十一五”、“十二五”、“十三五”國家重大專項(xiàng)的相關(guān)課題研究，均為本場(chǎng)景建設(shè)提供堅(jiān)實(shí)技術(shù)基礎(chǔ)。

塔河油田是我國已發(fā)現(xiàn)最大的碳酸鹽巖縫洞型油藏，含油面積達(dá) 700km2，探明石油地質(zhì)儲(chǔ)量超過 10 億噸。塔河油田縫洞油藏儲(chǔ)集體埋藏深大（>5700m）、類型多、非均質(zhì)性強(qiáng)，油田鉆井多（1870 口）。礦場(chǎng)常規(guī)“甜 點(diǎn)”預(yù)測(cè)需多種地震屬性聯(lián)合預(yù)測(cè)，對(duì)人員專業(yè)知識(shí)要求高，預(yù)測(cè)工作量大、工作效率低。上述面臨問題迫切需要引進(jìn)人工智能，開發(fā)智能解釋軟件平臺(tái)，發(fā)揮甜點(diǎn)智能識(shí)別技術(shù)優(yōu)勢(shì)，提高油田現(xiàn)場(chǎng)甜點(diǎn)識(shí)別效率。

機(jī)器學(xué)習(xí)和計(jì)算機(jī)技術(shù)的不斷進(jìn)步為“甜點(diǎn)”預(yù)測(cè)帶來了前所未有的機(jī)遇。人工智能算法也在“甜點(diǎn)”預(yù)測(cè)中展現(xiàn)出巨大的潛力。這些算法能夠處理非線性、高維和復(fù)雜的數(shù)據(jù)關(guān)系，提高預(yù)測(cè)的可靠性并能大幅提高預(yù)測(cè)效率。

針對(duì)超深層復(fù)雜碳酸鹽巖縫洞型油藏，引進(jìn)人工智能技術(shù)，在地質(zhì)認(rèn)識(shí)及地球物理理論指導(dǎo)下，以地震數(shù)據(jù)及其衍生屬性為研究對(duì)象，尋求能夠反映“甜點(diǎn)”最佳屬性組合，結(jié)合地震正演拓展，建立訓(xùn)練樣本集。優(yōu)選最佳算法模型，通過參數(shù)的調(diào)整及迭代優(yōu)化，尋找地震屬性與縫洞儲(chǔ)集體“甜點(diǎn)”的潛在關(guān)聯(lián)性，建立縫洞儲(chǔ)集體甜點(diǎn)預(yù)測(cè)模型，實(shí)現(xiàn)碳酸鹽巖縫洞型油藏地球物理甜點(diǎn)快速、準(zhǔn)確預(yù)測(cè)。

1)具體的工具或方法創(chuàng)新

按照“數(shù)據(jù)+平臺(tái)+應(yīng)用”的模式，地球物理甜點(diǎn)識(shí)別子系統(tǒng)，包含首頁界面、數(shù)據(jù)管理、模型管理、儲(chǔ)集體識(shí)別、界面顯示、成果輸出等 6 個(gè)功能服務(wù)，引用地震基本數(shù)據(jù)服務(wù)、非結(jié)構(gòu)化數(shù)據(jù)服務(wù)等 2 個(gè)數(shù)據(jù)服務(wù)。

a）地球物理甜點(diǎn)智能識(shí)別及解釋應(yīng)用

為用戶提供碳酸鹽巖縫洞甜點(diǎn)預(yù)測(cè)人機(jī)交互界面共包含六大功能模塊。具體情況如下： 首頁界面：涵蓋流程展示及功能導(dǎo)航，展示系統(tǒng)主要操作流程，并對(duì)操作進(jìn)行簡單描述；

數(shù)據(jù)管理：提供各類數(shù)據(jù)記載功能，提供基礎(chǔ)數(shù)據(jù)管理維護(hù)功能；智能建模：實(shí)現(xiàn)模型構(gòu)建及模型評(píng)估功能；

儲(chǔ)層識(shí)別：通過識(shí)別參數(shù)設(shè)置實(shí)現(xiàn)儲(chǔ)集體識(shí)別功能及識(shí)別結(jié)果管理；界面顯示：提供地震剖面顯示、成果剖面顯示功能；

成果輸出：提供識(shí)別結(jié)果輸出功能。

b）創(chuàng)新點(diǎn)

融合機(jī)理模型形成訓(xùn)練數(shù)據(jù)集。將地質(zhì)特征和地球物理數(shù)據(jù)有機(jī)融合，明確縫洞甜點(diǎn)地震響應(yīng)特征，優(yōu)選地震能量、頻譜等屬性，結(jié)合測(cè)井?dāng)?shù)據(jù)及生產(chǎn)動(dòng)態(tài)數(shù)據(jù)，構(gòu)建較為準(zhǔn)確的訓(xùn)練樣本集，提高模型的預(yù)測(cè)準(zhǔn)確性和泛化能力。

地震正演訓(xùn)練樣本制作。設(shè)計(jì)了符合縫洞地質(zhì)特征的地震正演模型來豐富和拓展訓(xùn)練樣本集，有效解決了樣本不均衡和樣本數(shù)量不足問題。

基于集成學(xué)習(xí)的分步訓(xùn)練策略，有效提高甜點(diǎn)預(yù)測(cè)精度。為捕捉縫洞甜點(diǎn)的地震信號(hào)細(xì)節(jié)，設(shè)計(jì)了一個(gè)基于集成學(xué)習(xí)的分步訓(xùn)練策略。通過多階段、多模型的協(xié)同作用，顯著提升預(yù)測(cè)的精確度和魯棒性，同時(shí)有效控制過擬合的風(fēng)險(xiǎn)。①將 FCN 卷積神經(jīng)網(wǎng)絡(luò)作為初步篩選工具。利用FCN 通過深度卷積層的層層抽象，學(xué)習(xí)縫洞體的 結(jié)構(gòu)信息，高效地識(shí)別出潛在甜點(diǎn)區(qū)域。②基于集成學(xué)習(xí)的深化預(yù)測(cè)。在FCN 初步篩選基礎(chǔ)上，有機(jī)融合Boosting 和隨機(jī)森林等先進(jìn)的集成學(xué)習(xí)方法，提高縫洞甜點(diǎn)預(yù)測(cè)精度。

基于遺傳算法的自適應(yīng) AI 超參數(shù)調(diào)優(yōu)技術(shù)提升訓(xùn)練效率。通過模擬生物進(jìn)化過程來高效優(yōu)化神經(jīng)網(wǎng)絡(luò)模型的參數(shù)配置，縮短訓(xùn)練時(shí)間，降低算力消耗，最終提升優(yōu)質(zhì)模型的訓(xùn)練效率。

2)具體應(yīng)用模式和應(yīng)用流程

應(yīng)用功能建設(shè)按照客戶端（C/S）模式進(jìn)行設(shè)計(jì)和后續(xù)研發(fā)，客戶端軟件負(fù)責(zé)對(duì)地震原始數(shù)據(jù)及其屬性數(shù)據(jù)進(jìn)行管理并提供樣本標(biāo)注工具，標(biāo)注后生成的訓(xùn)練樣本數(shù)據(jù)傳輸?shù)绞�化智云�?zhí)行具體的模型訓(xùn)練，訓(xùn)練后的模型回傳本地工作站，由本地工作站客戶端軟件進(jìn)行推理和結(jié)果展示。

a）訓(xùn)練流程。鑒于地震數(shù)據(jù)量的海量規(guī)模，場(chǎng)景樣本標(biāo)注在本地進(jìn)行。依據(jù)專家經(jīng)驗(yàn)優(yōu)選地震屬性，多資料、多數(shù)據(jù)聯(lián)合開展專家樣本標(biāo)注。同時(shí)輔以地震正演制作訓(xùn)練樣本，來克服樣本的不均衡和數(shù)量不足問題。另外依托總部云，采用云邊部署架構(gòu)，借助平臺(tái)算力資源進(jìn)行模型訓(xùn)練。并輔以超參調(diào)優(yōu)技術(shù)，指示“進(jìn)化路徑“，提高優(yōu)質(zhì)模型訓(xùn)練效率，具體流程見下圖。

b）預(yù)測(cè)流程。應(yīng)用石化智云的建模與訓(xùn)練成果，針對(duì)不同類型的地震數(shù)據(jù)域，提供靈活的預(yù)測(cè)數(shù)據(jù)體選擇機(jī)制，輕松管理待預(yù)測(cè)地震數(shù)據(jù)。其次可設(shè)置預(yù)測(cè)范圍參數(shù)，允許用戶精確設(shè)定 Inline、CDP（Common Depth Point，即公共深度點(diǎn)）以及 Time（時(shí)間）范圍，實(shí)現(xiàn)對(duì)預(yù)測(cè)范圍的精準(zhǔn)控制，具體流程見下圖。

經(jīng)濟(jì)效益。縮短縫洞型碳酸鹽巖油藏科研生產(chǎn)運(yùn)行周期，降低人工成本。通過場(chǎng)景建設(shè)，減少科研生產(chǎn)環(huán)節(jié)，有效降低用人成本（降本 60%以上），縮短科研生產(chǎn)運(yùn)行周期，提升勘探開發(fā)決策效率。

管理效益。重塑業(yè)務(wù)流程，減少科研運(yùn)轉(zhuǎn)環(huán)節(jié)。通過對(duì)碳酸鹽巖縫洞體甜點(diǎn)識(shí)別全業(yè)務(wù)功能智能化，實(shí)現(xiàn)了該類型科研工作的模式轉(zhuǎn)變，重塑業(yè)務(wù)流程，減少科研運(yùn)轉(zhuǎn)環(huán)節(jié)，降低管理成本，加快勘探開發(fā)進(jìn)程。

社會(huì)效益。促進(jìn)了地球物理技術(shù)的不斷發(fā)展。通過地球物理甜點(diǎn)智能識(shí)別及解釋場(chǎng)景建設(shè)，將為中石化國內(nèi)上游企業(yè)在地球物理與新一代人工智能技術(shù)的有機(jī)融合，探索，實(shí)施，推廣積累經(jīng)驗(yàn)。

經(jīng)驗(yàn)總結(jié)。首先，地球物理領(lǐng)域以其海量數(shù)據(jù)著稱，但數(shù)據(jù)的豐富性并未直接轉(zhuǎn)化為確定性樣本的充足性，高質(zhì)量訓(xùn)練樣本數(shù)據(jù)更是稀缺資源。這一現(xiàn)狀對(duì)我們提出了新的挑戰(zhàn)，也為我們指明了下一步的研究方向。

其次，機(jī)理模型在地球物理人工智能領(lǐng)域的應(yīng)用大多仍處于理論探討以及數(shù)據(jù)端處理的初級(jí)階段，尚未能深入融合到算法模型的核心之中。將機(jī)理模型嵌入到網(wǎng)絡(luò)端，重塑我們的算法框架，是我們下一步亟待攻克的技術(shù)難題。這一挑戰(zhàn)不僅要求我們?cè)诶碚撋嫌兴�突破，更需要在�?shí)踐中不斷探索和創(chuàng)新。

最后，要實(shí)現(xiàn)高效模型的落地應(yīng)用，持續(xù)的資金投入與攻關(guān)是不可或缺的。只有不斷資源投入，推動(dòng)模型的迭代更新與優(yōu)化，才能確保模型在實(shí)際應(yīng)用中展現(xiàn)出卓越的性能與效果。