楊午陽 魏新建 何 欣

（中國石油勘探開發(fā)研究院西北分院）

人工智能（AI）已經(jīng)成為新一輪科技革命和產(chǎn)業(yè)變革的核心驅(qū)動力，世界各國紛紛搶灘布局，成為彰顯創(chuàng)新實力的必爭之地[1-2]。2017年，國務(wù)院發(fā)布《新一代人工智能發(fā)展規(guī)劃》，工信部發(fā)布《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃（2018—2020年）》；2018年5月28日，習(xí)近平主席在兩院院士大會上指出：“要推進互聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能同實體經(jīng)濟深度融合，要以智能制造為主攻方向推動產(chǎn)業(yè)技術(shù)變革和優(yōu)化升級?！?018年3月5日，李克強總理在政府工作報告中4次提及“智能”，并特別指出要“加強新一代人工智能研發(fā)應(yīng)用”“發(fā)展智能產(chǎn)業(yè)”。人工智能與石油領(lǐng)域的快速融合已經(jīng)進入白熱化階段，各油氣公司、科研院所等紛紛投入科研力量，加大人工智能與傳統(tǒng)技術(shù)結(jié)合力度，并取得了重要進展。

1 人工智能與石油常規(guī)技術(shù)融合將帶來顛覆性變化

我國石油行業(yè)面臨著油氣資源劣質(zhì)化、勘探開發(fā)難度加大、投資回報率低及能源供給多元化等嚴峻挑戰(zhàn)，數(shù)字化轉(zhuǎn)型浪潮已經(jīng)來臨，傳統(tǒng)能源產(chǎn)業(yè)的發(fā)展必須要有超前的戰(zhàn)略思考、轉(zhuǎn)型升級的戰(zhàn)略預(yù)案及可持續(xù)發(fā)展的戰(zhàn)略技術(shù)儲備[3-6]。伴隨著人工智能與石油常規(guī)技術(shù)的深度融合，必將給傳統(tǒng)石油產(chǎn)業(yè)帶來顛覆性變化。

在油氣勘探領(lǐng)域，通過人工智能與現(xiàn)有常規(guī)地震資料處理、解釋技術(shù)相結(jié)合形成智能化物探技術(shù)，可極大提高地震資料處理、解釋工作效率；數(shù)據(jù)就是石油，在當今時代，誰掌握大量數(shù)據(jù)資源、誰具有強大的計算資源、誰優(yōu)先實現(xiàn)人工智能技術(shù)與本行業(yè)的深度融合，誰必將在行業(yè)領(lǐng)域?qū)崿F(xiàn)技術(shù)引領(lǐng)。在油氣領(lǐng)域，盤活大量“黑暗數(shù)據(jù)”，實現(xiàn)多元信息挖掘與知識發(fā)現(xiàn)，將大幅降低決策風險，提高油氣勘探精度。

與傳統(tǒng)技術(shù)相比，深度學(xué)習(xí)技術(shù)在地球物理領(lǐng)域的應(yīng)用，必將帶來新的技術(shù)變革，技術(shù)的發(fā)展主要集中在如下幾個方面：

（1）優(yōu)化重復(fù)性、乏味和勞動密集型的任務(wù)、工作流程和過程；

（2）從大量的多因素數(shù)據(jù)中提取關(guān)鍵信息；

（3）實現(xiàn)不確定性估算與分析；

（4）將大量不確定性數(shù)據(jù)轉(zhuǎn)化為更多的診斷結(jié)果，并減少項目周期、成本和決策時間。

人工智能為地球物理學(xué)發(fā)展奠定了堅實基礎(chǔ)，深度學(xué)習(xí)是人工智能的一種應(yīng)用。在這種應(yīng)用中，應(yīng)用程序無需顯式地構(gòu)建相應(yīng)算法，而是通過自我學(xué)習(xí)完成特殊的規(guī)則和任務(wù)，特別適合于解決大數(shù)據(jù)問題，可以檢測模式，做出預(yù)測，甚至可以預(yù)測可能不直觀的結(jié)果，可在處理大規(guī)模數(shù)據(jù)、提取一些不為人知的信息和模式方面發(fā)揮重要作用。

2 深度學(xué)習(xí)AI技術(shù)在物探領(lǐng)域應(yīng)用廣泛

2006年，Hinton等提出的深度置信網(wǎng)絡(luò)開啟了人工智能的深度學(xué)習(xí)時代。此后，人工智能技術(shù)在各行業(yè)不斷取得突破，如自然語言處理、自動駕駛、圖像識別、自動機器人及醫(yī)學(xué)等領(lǐng)域均取得了巨大進展。2016年以來，基于深度學(xué)習(xí)的地震資料解釋、處理技術(shù)快速發(fā)展，EAGE、SEG相關(guān)文章的數(shù)量呈現(xiàn)爆發(fā)式增長。2019年SEG、EAGE年會論文顯示，人工智能在物探領(lǐng)域的潛在應(yīng)用十分廣泛，在斷層識別、去噪、速度分析、地震反演、成像、巖石物理、綜合決策等方面取得了顯著進展。

2.1 地震斷層智能檢測

在近年的研究中，運用深度學(xué)習(xí)技術(shù)進行斷層識別和鹽丘邊界圈定是兩個典型的應(yīng)用方向，將人工智能應(yīng)用于斷層解釋已經(jīng)獲得了良好效果，并在提高斷裂解釋效率、減少人工解釋主觀性、提高自動化地震斷裂解釋等方面取得顯著進展。如Chang、Yang等[7]利用U-net和ResNet網(wǎng)絡(luò)聯(lián)合架構(gòu)，將兩種網(wǎng)絡(luò)的優(yōu)勢結(jié)合，進行地震斷裂檢測。該模型經(jīng)過訓(xùn)練后具備較強的泛化能力，斷裂識別準確，精細度高，效率是相干算法的80倍左右。Guitton[8]將3D卷積核應(yīng)用于斷裂檢測，極大地提高了斷層識別精度，3D網(wǎng)絡(luò)可很好地利用數(shù)據(jù)的空間結(jié)構(gòu)性，克服了二維網(wǎng)絡(luò)存在的空間不連續(xù)性、空間特征學(xué)習(xí)不足等缺陷，維度更高，因此非線性逼近性能和特征學(xué)習(xí)能力更強，更加適合解決三維問題。Zhao等[9]將深度學(xué)習(xí)技術(shù)和圖像處理技術(shù)相結(jié)合，實現(xiàn)對斷裂特征的刻畫，提高斷裂檢測的精細度，但該方法容易出現(xiàn)斷裂檢測不全面問題。Xing等[10]研究利用轉(zhuǎn)換學(xué)習(xí)方法對合成數(shù)據(jù)進行斷裂檢測。Di等[11]用卷積神經(jīng)網(wǎng)絡(luò)實現(xiàn)對疊后地震數(shù)據(jù)的斷裂檢測，有望實現(xiàn)高精度、高效率的地震斷裂檢測技術(shù)。Wu等[12]提出了一種使用卷積神經(jīng)網(wǎng)絡(luò)自動解釋斷層的方法，首先利用卷積神經(jīng)網(wǎng)絡(luò)從小圖像中估計提取的斷層方向，然后構(gòu)造各向異性高斯函數(shù)，最后堆疊所有局部斷裂導(dǎo)向的高斯函數(shù)生成一個斷層概率圖像。圖1為該方法的測試結(jié)果，從估計的斷層方向計算的斷層概率比傳統(tǒng)斷層屬性圖像的斷層特征更加清晰、準確。

圖1 智能化斷裂識別結(jié)果[12]

2.2 地震相智能分類和地質(zhì)體智能檢測

將神經(jīng)網(wǎng)絡(luò)、聚類分析等算法應(yīng)用于地震相分析，已取得良好效果。 如Zhao等[13]引入地震相分析的屬性加權(quán)，將屬性權(quán)重定義為自組織映射（SOM）響應(yīng)和解釋器首選項的函數(shù)，以實現(xiàn)無監(jiān)督的地震相分析。Duan等[14]提出了一種基于深度編碼器學(xué)習(xí)特征的聚類方法，通過使用深度自編碼器網(wǎng)絡(luò)進行表示和集群分配，改善了聚類結(jié)果，提高地震相預(yù)測精度。Zhao等[15]利用編碼器—解碼器卷積神經(jīng)網(wǎng)絡(luò)模型對地震相進行分類，地震相分析質(zhì)量顯著提高。該方法可實現(xiàn)地震相的自動劃分，同時保證準確率，是深度學(xué)習(xí)在地震相劃分應(yīng)用中較為成功的案例。

2.3 智能化巖性識別與油氣藏開發(fā)

基于大數(shù)據(jù)分析的人工智能技術(shù)最突出的特點之一是實現(xiàn)多元數(shù)據(jù)融合和輔助決策。人工智能與油田勘探、開發(fā)、鉆井、工程及歷史數(shù)據(jù)等相結(jié)合，將會進一步提高油田勘探開發(fā)的決策水平。2016年以來，出現(xiàn)了大量將人工智能技術(shù)與巖性識別等相結(jié)合以提高巖性預(yù)測和識別精度的實例。如Zhang等[16]利用深度學(xué)習(xí)方法對成像測井圖像進行巖性識別，初步實現(xiàn)巖性預(yù)測。Emelyanova等[17]研究了一種基于測井記錄的綜合聚類方法，自動識別電相，應(yīng)用機器學(xué)習(xí)的優(yōu)勢可克服各種聚類算法的不穩(wěn)定性和多解性。Bestagini等[18]提出了一種應(yīng)用機器學(xué)習(xí)進行相分類的方法，可在隨機森林分類器上提供一組增強特征。Wu等[19]提出了一種基于機器學(xué)習(xí)的自動化測井記錄處理和解釋工作流程（圖2），克服了傳統(tǒng)測井記錄處理和解釋工作流程存在的主觀性、不確定性和低效性問題。目前正在探索研究利用機器學(xué)習(xí)代替人工，實現(xiàn)測井記錄的自動化解釋工作。

圖2 自動化機器學(xué)習(xí)解釋流程技術(shù)框架（據(jù)Wu等，略有修改）

2.4 智能化地震資料處理

在近年來的研究中，將人工智能與處理技術(shù)結(jié)合是另一個典型的研究領(lǐng)域。研究出現(xiàn)了針對常規(guī)處理的去噪、成像、速度分析等成功案例。如針對海量疊前數(shù)據(jù)的噪聲壓制難題，Li等[20]開展了運用人工智能技術(shù)進行地震數(shù)據(jù)去噪的創(chuàng)新研究，應(yīng)用效果良好。以疊前隨機噪聲去噪為例，利用曲波迭代閾值法獲取隨機噪聲標簽數(shù)據(jù)，并對構(gòu)建的深度學(xué)習(xí)隨機噪聲去噪網(wǎng)絡(luò)進行訓(xùn)練，使其具有智能識別隨機噪聲的能力。與曲波迭代閾值法相比，深度學(xué)習(xí)隨機噪聲去噪網(wǎng)絡(luò)的去噪效率提高了近200倍，并具有自適應(yīng)性強、保幅性好等優(yōu)點。此外，Chang等[21]開展了基于對抗生成網(wǎng)絡(luò)GAN的數(shù)據(jù)插值等研究，也取得了良好的效果。

3 人工智能與物探結(jié)合的發(fā)展現(xiàn)狀

人工智能技術(shù)在物探領(lǐng)域的應(yīng)用還有很多，這里不再贅述。通過上述案例分析可以看出，近年來人工智能與物探的結(jié)合發(fā)展很快，并取得了一定成效，但總體仍處于初級階段。

3.1 近年來發(fā)展迅速

自2015年以來，以深度學(xué)習(xí)為代表的人工智能得到全面發(fā)展，國內(nèi)各大公司、石油院校、科研機構(gòu)都在通過合作、自研等方式加大研發(fā)力度，中國石油大學(xué)（北京）于2018年12月成立了人工智能學(xué)院，中國石油大學(xué)（華東）、西南石油大學(xué)、西安石油大學(xué)等石油院校都新增開設(shè)了人工智能專業(yè)。各類重大石油會議也加大了人工智能關(guān)注度，2017年以來，由中國石油勘探與生產(chǎn)分公司組織、中國石油勘探開發(fā)研究院西北分院承辦的智能化技術(shù)研討會已召開了兩次。以SEG會議為例，有關(guān)人工智能的文章2017年26篇、2018年107篇、2019年138篇，論文的數(shù)量和研究領(lǐng)域逐年擴展，2019年的石油物探年會更是將“大數(shù)據(jù)與人工智能引領(lǐng)地球物理技術(shù)發(fā)展”作為大會主題。

3.2 整體處于起始階段

人工智能與物探結(jié)合的研究涵蓋了物探業(yè)務(wù)的各主要環(huán)節(jié)，目前已在一些環(huán)節(jié)，如初至拾取、斷層識別、層位追蹤等，取得了一定效果。但總體上仍處于測試實驗階段，真正取得好效果且全面開展應(yīng)用的軟件模塊少之又少，分析認為主要有以下3方面原因：

一是深度學(xué)習(xí)模型理論研究有待進一步加深。當前研究基于在其他領(lǐng)域較為成熟的網(wǎng)絡(luò)模型，如TensorFlow、Caffe2、Torch等，這些網(wǎng)絡(luò)模型的實現(xiàn)機理還有待深入研究，讓其更加符合物探業(yè)務(wù)需求。

二是缺乏針對物探業(yè)務(wù)的標簽數(shù)據(jù)集。標簽數(shù)據(jù)是監(jiān)督學(xué)習(xí)網(wǎng)絡(luò)的基礎(chǔ)，其數(shù)量和質(zhì)量直接決定預(yù)測結(jié)果的好壞。與圖像、聲音等領(lǐng)域相比，物探領(lǐng)域在標簽數(shù)據(jù)集制作方面還需進一步提高，研發(fā)相應(yīng)的工具。

三是已有網(wǎng)絡(luò)模型泛化能力有待進一步增強。如智能去噪的網(wǎng)絡(luò)模型不適合做斷層檢測，同一去噪網(wǎng)絡(luò)模型在不同探區(qū)會取得不一樣的效果。為此，需要進一步強化網(wǎng)絡(luò)模型的泛化能力，以適應(yīng)不同情況。

3.3 集中用于提升傳統(tǒng)方法與綜合決策

人工智能與應(yīng)用地球物理結(jié)合，實現(xiàn)應(yīng)用地球物理+AI，賦能油氣物探新動能，是未來油氣物探發(fā)展的重要領(lǐng)域。油氣物探與AI的結(jié)合面較廣，主要包括智能采集、智能處理、解釋及綜合決策領(lǐng)域等。智能采集包括智能布點及軌跡設(shè)計、智能物探裝備；智能處理解釋包括智能初至拾取、智能去噪、智能數(shù)據(jù)插值、斷層智能識別、異常體智能識別、層位智能追蹤及混采智能分離等。人工智能技術(shù)在油氣物探領(lǐng)域的應(yīng)用主要集中在兩個方面：一是輔助支撐層面，以提升傳統(tǒng)方法的效率為主。通過問題導(dǎo)向，以人工智能輔助實現(xiàn)傳統(tǒng)處理、解釋環(huán)節(jié)中的人工交互的功能、流程的自動化，如實現(xiàn)結(jié)果預(yù)測（包括斷層、有效儲層、地震相）的智能化。二是綜合決策。解決傳統(tǒng)決策過程人為干擾多、缺乏科學(xué)性、無法實現(xiàn)海量信息綜合利用等問題，實現(xiàn)定量決策為主。通過數(shù)據(jù)驅(qū)動、自我不斷學(xué)習(xí)進化的智能化平臺，實現(xiàn)由經(jīng)驗決策到科學(xué)決策、定量決策的智能決策方式轉(zhuǎn)變。

4 應(yīng)用地球物理+AI的智能物探發(fā)展策略

物探領(lǐng)域是油氣勘探開發(fā)過程中最為基礎(chǔ)、最具挑戰(zhàn)性和難度的環(huán)節(jié)之一，人工智能與物探技術(shù)的結(jié)合將為解決諸多技術(shù)難題提供重要手段，特別是在費時費力環(huán)節(jié)，比如初至拾取、速度拾取等。同時也有助于打破傳統(tǒng)物探技術(shù)瓶頸，攻克應(yīng)用難題。一是人工智能的模糊邏輯技術(shù)，能夠基于“不完備”和“不完美”的數(shù)據(jù)進行有效預(yù)測；二是人工智能的深度學(xué)習(xí)技術(shù)分析基礎(chǔ)是大數(shù)據(jù)，通過對海量地震數(shù)據(jù)的實時提取，實現(xiàn)數(shù)據(jù)挖掘和多元信息融合利用，盤活大量不活躍的“黑暗”數(shù)據(jù)，從而更精細、全面地描述地下儲層展布規(guī)律。

全面啟動“應(yīng)用地球物理+AI的智能物探”技術(shù)攻關(guān)具有重要的現(xiàn)實意義。智能物探就是以物探海量數(shù)據(jù)為基礎(chǔ)，以強大的地震資料處理、解釋能力提升為手段，以人工智能算法為突破關(guān)鍵，全面融合各類油氣信息資源，進行數(shù)據(jù)挖掘、知識發(fā)現(xiàn)與共享，最終實現(xiàn)地震資料處理、解釋等環(huán)節(jié)啟發(fā)式自動化的科學(xué)決策過程。目標是通過將AI技術(shù)與物探技術(shù)相融合，突破傳統(tǒng)物探技術(shù)的瓶頸，挖掘物探數(shù)據(jù)內(nèi)在的、深層的、傳統(tǒng)技術(shù)無法發(fā)現(xiàn)的聯(lián)系，提升預(yù)測結(jié)果的科學(xué)性，降低成本，提高勘探成功率。

4.1 中國石油發(fā)展應(yīng)用地球物理+AI的智能物探的總體目標

根據(jù)中國石油天然氣集團有限公司（簡稱中國石油）物探業(yè)務(wù)發(fā)展現(xiàn)狀、技術(shù)需求及AI技術(shù)發(fā)展狀況，建議將基于應(yīng)用地球物理+AI的智能物探技術(shù)發(fā)展的總體目標設(shè)定為：（1）基于大數(shù)據(jù)、云計算和虛擬現(xiàn)實技術(shù)，構(gòu)建分級共享的大數(shù)據(jù)平臺（如盆地級、油田級）、人工智能應(yīng)用軟件平臺（如虛擬GPU、GPU云、處理技術(shù)云、解釋技術(shù)云等），為勘探開發(fā)智能決策支持提供數(shù)據(jù)基礎(chǔ)和平臺基礎(chǔ)；（2）大力發(fā)展智能化采集、處理、解釋技術(shù)，研發(fā)一批能顯著降本增效的新技術(shù)、新裝備和新軟件，為油氣勘探提供核心技術(shù)基礎(chǔ)；（3）開發(fā)形成能解決地球物理問題的深度學(xué)習(xí)框架，為未來實現(xiàn)行業(yè)引領(lǐng)提供理論基礎(chǔ)；（4）培養(yǎng)一批技術(shù)全面、本領(lǐng)過硬的智能化物探技術(shù)領(lǐng)軍人才，為未來發(fā)展提供人才保障基礎(chǔ)。圖3為智能物探技術(shù)發(fā)展的目標規(guī)劃框圖。

圖3 智能物探技術(shù)發(fā)展的目標規(guī)劃

4.2 中國石油發(fā)展智能物探面臨的優(yōu)勢與挑戰(zhàn)

經(jīng)過多年信息化建設(shè)，中國石油已逐步實現(xiàn)了由傳統(tǒng)企業(yè)向數(shù)字化企業(yè)的轉(zhuǎn)變，建成了以A1～A12為代表的大數(shù)據(jù)管理系統(tǒng)，形成了以“兩地三中心”（勘探開發(fā)研究院數(shù)據(jù)中心、昌平數(shù)據(jù)中心和吉林數(shù)據(jù)中心）為主體的數(shù)據(jù)資源中心，積累了海量數(shù)據(jù)資料，且每年還在以PB級甚至EB級的規(guī)?？焖僭鲩L。計算資源方面已建成了東方地球物理勘探有限責任公司、勘探開發(fā)研究院等多個大型數(shù)據(jù)處理中心，形成了強大的物探處理解釋能力。大數(shù)據(jù)、高性能計算為智能物探發(fā)展提供了數(shù)據(jù)引擎和計算引擎，為其在中國石油快速扎根打下了堅實基礎(chǔ)。

中國石油發(fā)展智能物探技術(shù)目前仍面臨諸多挑戰(zhàn)：一是缺少適合物探領(lǐng)域的核心技術(shù)架構(gòu)、標簽數(shù)據(jù)集等技術(shù)層面的挑戰(zhàn)。如今很多深度學(xué)習(xí)框架和算法只針對特定領(lǐng)域，在改變應(yīng)用領(lǐng)域后，模型的性能、效率都會有較大損失。要解決超復(fù)雜的地球物理問題，需要建立針對該領(lǐng)域的深度學(xué)習(xí)技術(shù)架構(gòu)，并開展強化學(xué)習(xí)、遷移學(xué)習(xí)、多任務(wù)學(xué)習(xí)等優(yōu)秀機器學(xué)習(xí)范式的研究，將基于學(xué)習(xí)和基于模型的方法結(jié)合起來，進一步提高解決方案的魯棒性。二是缺少針對物探進行樣本訓(xùn)練學(xué)習(xí)的標簽數(shù)據(jù)集。中國石油雖有大量數(shù)據(jù)，但因智能物探發(fā)展不成熟，缺少針對智能物探等業(yè)務(wù)的標簽數(shù)據(jù)集。三是缺乏專門技術(shù)支撐機構(gòu)和交叉性人才。2017年11月科技部公布首批國家新一代人工智能開放創(chuàng)新平臺名單，三大油公司無一入圍。全球職場社交平臺領(lǐng)英（Linkedln）發(fā)布的《全球AI領(lǐng)域人才報告》顯示，截至2018年一季度，全球AI技術(shù)人才超過190萬，其中美國超過85萬；中國人才只有5萬多。因此，人才成為智能物探戰(zhàn)略關(guān)鍵中的關(guān)鍵。

5 應(yīng)用地球物理+AI的智能物探發(fā)展建議

大數(shù)據(jù)、高性能計算及深度學(xué)習(xí)構(gòu)成了當前AI技術(shù)發(fā)展的核心。中國石油發(fā)展智能物探技術(shù)應(yīng)集中解決4個核心要素：一是大數(shù)據(jù)支撐；二是適合地球物理問題的深度學(xué)習(xí)算法；三是高性能運算；四是高端人才資源等。要實現(xiàn)AI與應(yīng)用地球物理的高度融合，構(gòu)建良好的智能物探技術(shù)發(fā)展生態(tài)體系，筆者認為至少需要從兩個方面統(tǒng)籌考慮：一是要打破人工智能行業(yè)與物探行業(yè)間的藩籬，解決好AI技術(shù)與物探技術(shù)的行業(yè)融合問題；二是要著力解決公司內(nèi)部數(shù)據(jù)共享、算力共享等關(guān)鍵問題。

5.1 做好頂層設(shè)計，構(gòu)建智能物探技術(shù)發(fā)展生態(tài)體系

（1）由中國石油組織相關(guān)部門牽頭制定“智能物探技術(shù)發(fā)展綱要”“智能物探技術(shù)研發(fā)標準”等綱領(lǐng)性文件，制定詳盡的發(fā)展路線、方針與政策，加強頂層設(shè)計，確保智能物探健康、有序、快速發(fā)展。

（2）中國石油擁有海量的地震、地質(zhì)等數(shù)據(jù)，這些數(shù)據(jù)資源的共享力度有待進一步提高。為此建議：①脫敏處理。石油數(shù)據(jù)是敏感數(shù)據(jù)，即使在一定范圍內(nèi)共享，也要采取脫敏處理，確保不泄密。②定點實驗。選取一兩個盆地開展數(shù)據(jù)共享實驗，建立測試性數(shù)據(jù)共享平臺與機制并不斷完善，總結(jié)經(jīng)驗，全面推廣。③分級開放。按照“工區(qū)—探區(qū)—盆地”分層次、有序開展數(shù)據(jù)共享，逐步擴大共享范圍。④共享開放。任何人任何組織都可將自研成果、標簽數(shù)據(jù)集、網(wǎng)絡(luò)學(xué)習(xí)模型上傳至共享平臺，供其他科研人員分享。

（3）構(gòu)建良好的智能物探生態(tài)體系。目前大多數(shù)研究都是基于單個功能點開展，比如初至智能拾取、斷層智能識別、解釋層位智能追蹤等等。應(yīng)由集團公司統(tǒng)一協(xié)調(diào)，整合各單位人工智能優(yōu)勢資源，利用云架構(gòu)，構(gòu)建系統(tǒng)化、流程化、平臺化的智能物探共享平臺；開展石油物探智能化基礎(chǔ)理論研究，建立適合物探領(lǐng)域的深度學(xué)習(xí)架構(gòu)模型，更好、有針對性地解決物探問題。

5.2 試點先行、逐步展開，構(gòu)建智能物探發(fā)展技術(shù)體系

（1）2019—2020年，主要構(gòu)建智能物探基礎(chǔ)平臺，如共享數(shù)據(jù)平臺，培育海量共享大數(shù)據(jù)支撐環(huán)境，加強智能化人才研發(fā)團隊建設(shè)，提升計算能力如GPU云等。

（2）2020—2025年，以全面實現(xiàn)行業(yè)領(lǐng)先為目標，試點先行、逐步開展，全面建成具有行業(yè)領(lǐng)先的技術(shù)、人才團隊，形成產(chǎn)業(yè)化能力，加快實現(xiàn)從跟蹤為主向并行、領(lǐng)跑轉(zhuǎn)變。

（3）以樣板性工程為抓手，選好試點和突破口，與公司現(xiàn)已開展的智能去噪、智能儲層預(yù)測等前緣技術(shù)研發(fā)項目結(jié)合，設(shè)立“智能物探關(guān)鍵技術(shù)研發(fā)與應(yīng)用重大科技專項”。

5.3 成立智能物探實驗室，構(gòu)建物探智能化人才保障體系

（1）建議組建中國石油智能物探實驗室，重點研發(fā)AI核心技術(shù)，確保中國石油在石油人工智能技術(shù)研發(fā)領(lǐng)域處于領(lǐng)跑地位。

（2）成立地震智能化技術(shù)研發(fā)與應(yīng)用聯(lián)盟，重點圍繞智能技術(shù)產(chǎn)業(yè)化、智能技術(shù)與物探行業(yè)的深度融合研發(fā)應(yīng)用性關(guān)鍵技術(shù)，確保智能物探應(yīng)用技術(shù)行業(yè)領(lǐng)先。

（3）引進國際知名AI機構(gòu)有所建樹的人才，加快中國石油智能物探人才梯隊建設(shè)。

5.4 構(gòu)建并發(fā)布智能物探標簽數(shù)據(jù)集，掌握技術(shù)發(fā)展主動權(quán)

標簽數(shù)據(jù)集的建立是開展智能化研究的基石，誰擁有了標簽數(shù)據(jù)集，誰就能在該領(lǐng)域?qū)崿F(xiàn)技術(shù)引領(lǐng)。中國石油應(yīng)加快建立首套智能物探專業(yè)標簽數(shù)據(jù)集，并在SEG、EAGE等專業(yè)會議上進行發(fā)布，吸引和引導(dǎo)物探領(lǐng)域的全球?qū)＜覍W(xué)者開展相關(guān)研究，提升中國石油在該領(lǐng)域的影響力。

推動“應(yīng)用地球物理+AI”的智能物探技術(shù)的深入結(jié)合，將為油氣上游領(lǐng)域技術(shù)發(fā)展帶來深遠影響，對破解中國石油效益勘探困局、降低勘探成本、提升運營管理效率提供支撐，推動油氣勘探業(yè)務(wù)從“資本主導(dǎo)”“資源主導(dǎo)”向“技術(shù)主導(dǎo)”轉(zhuǎn)型發(fā)展，助力中國石油實現(xiàn)智能油田、透明油田。