孟軍曉 周世鑫 吳斌 林超

中海石油（中國）有限公司天津分公司 天津 300450

目前我國人工智能技術的主要代表是模糊邏輯（FUZZYLOGIC）、專家系統(tǒng)（ES）、人工神經(jīng)網(wǎng)絡（ANNS）技術，它們在石油勘探領域中得到了廣泛的運用,逐漸融入到了石油勘探工程的每一個步驟。人工智能技術能夠在多方面為操作人員提供更加準確與高效的服務,比如它能準確地預測出石油的開采量、對石油層進行對比與分析、NMR的實時測井數(shù)據(jù)的反演、對剩余油的分布狀況進行精準的預測。

1 人工智能技術在石油勘探領域中的運用現(xiàn)狀

人工智能的發(fā)展將會帶動整個石油勘探領域的發(fā)展，而在實際的勘探作業(yè)中充分融入人工智能是必然的。企業(yè)想要最大程度地發(fā)掘人工智能在石油勘探領域中的潛能，必定需要通過多種實踐進行成果的累積與分析。通過將模糊邏輯與神經(jīng)網(wǎng)絡之間的相互結合，裂隙性油藏的分析得到廣泛的關注。在將神經(jīng)網(wǎng)絡與模糊邏輯相結合的情況下，還能對測井數(shù)據(jù)進行篩選，從而展開對油藏特性的深入研究，建立起實踐的分析模型與體系，并將該方法運用在實際的石油勘探中，進而得到了更加準確的結果。

2 石油行業(yè)應用人工智能的對策

2.1 數(shù)據(jù)標準化

通過數(shù)據(jù)標準化，提高數(shù)據(jù)集成效力，信息化建設雖然積累了大量數(shù)據(jù)，但受多種因素影響，數(shù)據(jù)標準化程度并不理想。即使通過ERP系統(tǒng)，實現(xiàn)了經(jīng)營管理數(shù)據(jù)的標準化，但生產(chǎn)領域數(shù)據(jù)相對忽視，致使企業(yè)數(shù)據(jù)質量、整合利用成效不理想，對此數(shù)據(jù)標準化尤為關鍵。

2.2 數(shù)據(jù)自動采集

數(shù)據(jù)技術在石油行業(yè)設備中的應用微乎其微，雖然生產(chǎn)數(shù)據(jù)的傳感器配置齊全，但用于決策的數(shù)據(jù)少之又少。人工數(shù)據(jù)輸入在數(shù)據(jù)質量、監(jiān)督與審核方面并不理想，對此需配置大量的智能終端，不斷提升工作人員的工作效率[1]。

2.3 強化數(shù)據(jù)整合

數(shù)據(jù)整合水平的提升，對數(shù)據(jù)綜合利用能力的提升有現(xiàn)實意義。石油企業(yè)方面，已經(jīng)確保了信息化全覆蓋，但數(shù)據(jù)散落在各系統(tǒng)、各部門，受數(shù)據(jù)管理理念落后等因素影響，考慮到信息安全問題，難以實現(xiàn)信息共享，致使數(shù)據(jù)整合成效難以提升。

2.4 數(shù)據(jù)的戰(zhàn)略運營

傳統(tǒng)企業(yè)數(shù)據(jù)管理方式，是業(yè)務部門擁有而IT部門管理數(shù)據(jù)模式，致使業(yè)務部門不會靈活運用數(shù)據(jù)，而IT部門不會管理數(shù)據(jù)的現(xiàn)象出現(xiàn)。在人工智能時代，數(shù)據(jù)作為核心資產(chǎn)應當實現(xiàn)戰(zhàn)略運營，而不是將數(shù)據(jù)作為信息系統(tǒng)產(chǎn)物常規(guī)化管理。

3 人工智能應用發(fā)展建議

人工智能應用應采取近期發(fā)展戰(zhàn)略和遠期發(fā)展戰(zhàn)略相結合、點和面相結合的原則，在頂層設計、數(shù)據(jù)管理、研發(fā)布局、人才培養(yǎng)、價值提升等方面統(tǒng)籌考慮，實現(xiàn)創(chuàng)新協(xié)同發(fā)展。近期發(fā)展戰(zhàn)略是強化認識，跟跑學習，特別是要提升各級管理層的認識與知識水平。以業(yè)務應用為主、跟進基礎研究，以點帶面，逐步推廣，配套制度建設，構建科學完善的人工智能應用體系。

具體包括以下幾個方面：①強化頂層設計。一是行業(yè)層面，院士、管理者、資深專家可聯(lián)合倡議，使各大油企能夠統(tǒng)一認識，有效協(xié)同，充分發(fā)揮社會主義市場經(jīng)濟條件下的新型舉國體制優(yōu)勢；二是在企業(yè)層面，應堅持業(yè)務導向、問題導向、目標導向，一體化設計、一體化組織、一體化推進，打通數(shù)據(jù)流，重構業(yè)務流，實現(xiàn)企業(yè)管理模式的創(chuàng)新、變革、轉型；三是在專業(yè)層面，應“軟”、“硬”兼施，以建推用、以用促建，以用為先，迭代推進[2]。②加強數(shù)據(jù)治理?！皵?shù)據(jù)大”不等于“大數(shù)據(jù)”，標準規(guī)范的數(shù)據(jù)和訓練樣本庫是人工智能應用的基礎，人工智能應用應當將數(shù)據(jù)治理放到首位，統(tǒng)一數(shù)據(jù)標注、推進數(shù)據(jù)互通，加強數(shù)據(jù)治理，進一步建立數(shù)據(jù)信任機制和管理模式，提升數(shù)據(jù)共享的規(guī)范性與合規(guī)性。③重視人才培養(yǎng)。人工智能算法工程師與油田工程師之間往往存在“聽不懂、說不清、合不來”現(xiàn)象，在數(shù)字化向智能化轉化的進程中，導致不同程度存在“建得多、用得少”的問題。同時，由于石油勘探開發(fā)和人工智能這兩個領域所涵蓋的學科太廣，復合型人才培養(yǎng)難度大、周期長。因此，應當加強校企合作、石油企業(yè)與IT企業(yè)的深度合作來培養(yǎng)復合型人才。④推進合作共享。應探索建立“跨行業(yè)、跨企業(yè)、跨專業(yè)”的創(chuàng)新聯(lián)合體，推進油企與IT企業(yè)之間、傳統(tǒng)油企之間、不同專業(yè)之間的跨界融合，實現(xiàn)邊界突破，構筑完善的石油工業(yè)智能技術研發(fā)體系。⑤實現(xiàn)算法自主。經(jīng)過了信息化建設階段，油氣行業(yè)已經(jīng)形成且每時每刻還在形成的海量數(shù)據(jù)已經(jīng)基本可控，網(wǎng)絡和節(jié)點支撐了一定的算力，應加強對核心算法的研究攻關，形成具有自主知識產(chǎn)權的算法體系，為石油工業(yè)智能化發(fā)展提供基礎支撐[3]。

4 結語

綜上所述，隨著我國經(jīng)濟和科學技術的快速發(fā)展，石油工程領域在應用人工智能技術時，石油企業(yè)并不是打破當前石油工程生產(chǎn)運營模式以及生產(chǎn)思維，而是需要管理人員及時轉變思維模式，更好地適應時代科學技術發(fā)展趨勢，不斷創(chuàng)新石油工程生產(chǎn)和管理模式。石油企業(yè)在發(fā)展過程中，為了提升自身品牌形象逐漸提高在行業(yè)中的核心競爭力，需要管理人員合理融合創(chuàng)造力以及創(chuàng)新思維戰(zhàn)略。通過對人工智能技術進行科學應用，可以確保石油企業(yè)更好地適應社會的發(fā)展，并給企業(yè)創(chuàng)造更多利益。