科研人员在制作人工智能训练样本集。王庆辉 摄

    □王庆辉 闵建国

    在科技发展的时代浪潮中，石油勘探领域正经历着一场意义深远的技术变革。今年2月，江苏油田物探研究院基于最新的高邮凹陷大连片地质剖面资料，提出了全新的井位，其中关键的信号波速度建模环节是由人工智能完成的。这是江苏油田首次将人工智能技术成功应用于油气勘探领域，开启智慧勘探的新时代。

    科研人员研发的基于复合神经网络的速度谱智能解释技术能够更迅速、精准地剖析地球物理数据，识别复杂的地下地质结构。他们使用先进的人工智能处理技术对面积达2600平方公里的高邮凹陷连片三维速度谱展开分析，仅需8.3秒即可完成拾取，且预测精度高达90%以上，相比常规方式效率提升600倍以上。

    布局人工智能应用

    地球物理数据的采集、处理与解释，是油气勘探的首要工序，也是关键的环节。

    这项工作需要对海量数据进行全面采集、精心处理和深入解释，加之苏北盆地“小、碎、贫、散”的复杂特性及多解性难题，使物探数据处理解释工作不仅需要投入大量的人力和时间成本，而且在很大程度上依赖科研人员的经验判断。

    近年来，随着江苏油田勘探开发不断向“低深隐难”的复杂区及非常规领域进军，对效率更高、判断更精准的物探技术需求愈加迫切。

    科研人员充分借助信息化、智能化技术的强大力量，加快培育新质生产力，制定了“数字基建工程、数字互联工程、数字智联工程”的发展规划。

    “我们充分发挥人工智能技术的优势，加快构建新一代以数据为核心的智慧物探新格局，推动科研范式从传统的经验主导模式向数据驱动模式转型，让油气勘探的步伐更快、目标更准。”江苏油田物探研究院党委书记李书瑜说。

    2023年，顺应老区勘探开发的迫切需求及数智化转型发展大势，江苏油田设立了“人工智能在石油勘探地球物理数据建模中的应用”课题。他们组建了专业的人工智能研究团队，并制定了全面系统的人工智能技术应用规划，积极探索研究人工智能在构造解释、噪声压制与信号增强、储集层参数预测、物探资料正演反演等多个关键领域的应用，为人工智能在油气勘探领域的广泛应用奠定了坚实基础。

    炼成“找油学霸”

    信号波速度建模是实现高精度地层成像的核心关键。通过信号波反射速度这一关键参数，科研人员能推算出地层各区域的密度、硬度和渗透率等重要信息，进而清晰判断出在千米地下哪些区域是坚硬的岩石、哪些区域断裂发育、哪些区域可能蕴藏着宝贵的油气资源，从而绘制出精准的地质剖面图，为油气勘探开发提供依据。

    以高邮凹陷连片三维速度分析建模为例，采用常规方法，需要每0.64平方公里计算一个速度点，共计121条线10129个计算点位。每个计算点位都对应着地下数千米的深度，后期还需要进行多轮次的校正、扫描、加密等烦琐工作。

    对此，项目组探索应用人工智能进行智能解释。项目组探索应用基于复合神经网络的机器学习和深度学习算法，对大规模的信号波反射速度数据展开深入细致的分析，让人工智能学习找油秘籍。

    为了让人工智能学习更加精准高效，项目组在算法优化、样本设置、高效训练3个关键方面下功夫，让人工智能从“石油小白”锻炼成“找油学霸”。

    在算法优化方面，科研人员巧妙地将速度谱拾取工作创新转换为图像识别，将速度谱能量团图像作为识别目标进行精准检测，通过复合神经网络模型深入学习速度谱能量团图像的独特特征，然后将拾取的像素点巧妙地转换成时间-速度对，从而成功实现了速度谱的智能化拾取。

    “我们将处理解释的规律，通过图像识别、特征提取、特征融合等手段，更精准地转化为算法规律，将地质谜题转化为数学方程，让人工智能像科研人员一样思考。”江苏油田物探研究院资料处理党支部书记、人工智能团队技术首席许冲说。

    在样本设置方面，项目组深入研究总结火成岩及断裂带、多次波发育区等不同地质构造和不同资料品质条件下的速度谱成像规律，精心制作了500张速度谱样本图像，就像真题试卷，为机器学习提供了丰富而精准的学习素材。

    在高效训练方面，项目组强化人工智能学习训练，并加强智能拾取和人工拾取之间的实战对比分析，不断调整优化参数，促进人工智能不断进化，最终得到高精度速度模型。

    经过近两年的探索实践，他们利用人工智能实现速度谱的自动、高精度拾取，不管是工区高覆盖、低覆盖位置处的速度谱，还是火成岩、小断裂等复杂构造位置处的速度谱，均实现智能拾取，与人工拾取到的能量团位置及速度趋势吻合度可达90%以上。同时效率大幅提升，以往需要5个人组成团队耗时40多天才能完成的工作，如今不到10秒就能完成。

    应用于复杂勘探领域

    初至波是非常重要的信息参数，处理分析受复杂地带、复杂山区影响颇大，常规方式存在拾取率低、精度低、容易错层等问题。

    物探研究院资料处理一部副主任潘成磊带领团队应用人工智能技术，探索出SSFM大模型的应用，不仅将效率提高了20%，而且提高了远偏低信噪比区初至波拾取有效性，可以有效剔除复杂山区、复杂地带影响。

    2024年底，在对黔南-桂中2900平方公里新探区的物探资料重新处理解释过程中，科研人员应用人工智能技术，有效增强重点部位成像效果，助力江苏油田科学部署首口页岩气风险探井——凤页1井。

    目前，江苏油田进军智能物探研究领域，已探索研究应用智能化物探资料处理、智能化物探资料解释两个系列12项特色技术。

    “下一步，我们将按照整体设计、分步实施的原则，加快人工智能应用步伐，择优选取处理、解释两个环节15个场景作为中长期智能化方向，提升勘探开发效率和效益。”李书瑜说。