油氣歷來是能源領域最為重要的資源之一, 目前,全球範圍內已探明石油可採資源量為5 350.0x108 t、凝析油可採資源量為496.2x108 t、天然氣可採資源量為588.4x1012 m。世界上針對油氣探索領域的主要方法為地質勘探,地球物理學勘探,以及鑽井勘探。其中,地球物理學勘探正在利用機器學習,計算機視覺以及大數據技術從地震波,重力,電磁等多維度大範圍提高油氣田勘探準確性以及精度。
作者 | 田辰
一、油氣勘探下地球物理學勘探的大環境
近幾年來,國際油氣價格持續波動,並在2017年達到近5年來油氣市場交易總額最低點。全球範圍內全年交易總額僅為3435億美元。雖然,全球範圍內常規油氣資源儲量仍然豐富,但各大公司都在防患於未然,開始持續加注油氣勘探領域,希望通過增加探明儲量,以增加資產,從而應對全球油氣價格的不確定性。
自2017年起,各大地球物理學勘探學術會議上機器學習相關研究開始出頭,並在2018年成爆發狀態。以國際勘探地球物理行業技術會議(SEG)為例,2018年人工智慧相關研究論文投遞數是2017年的近7倍左右,所涉及技術包括機器學習,深度學習等多個領域。更有多家國際油氣巨頭公司如英國石油,道爾達,艾默生在去年都明確表示以機器學習為核心的人工智慧技術將成為地球物理學勘探的中堅力量。本文將對近年來人工智慧在地球物理勘探方面領域的技術、方向與案例做簡單介紹。
全球範圍內全年交易總額(數據來源:安永)
二、地球物理學勘探中主要人工智慧技術領域
計算機視覺:是指機器代替人眼對目標進行識別、跟蹤和測量,並進一步進行圖像處理的技術。在地球物理勘探中計算機視覺被廣泛應用於地震勘探,重力勘探,磁力勘探數據分析。而在地震勘探另有尤為重要,它可以幫助作業者快速識別斷層及褶皺,發現油氣資源,實現收益最大化。
機器學習:是指利用規律對未知數據進行預測的算法。目前,在地球物理學勘探機器學習被廣泛應用於油氣勘探中電磁,地震數據分析、微地震信號檢測,斷層拾取,初至拾取,近地表建模,鹽丘頂底等場景。
深度學習:是指讓多層神經網絡可以進行訓練與學習的方法。而其中最為常見的方法就是卷積神經網絡。目前,卷積神經網絡已在地球物理學領域逐步落地,近期,其在利用三維地震數據預測鹽丘頂面的結果精確度已與人工解釋結果相接近,並大幅度降低鹽丘頂底面拾取處理的周期。
大數據技術:大數據技術的體系龐大,基礎技術包括數據採集,數據預處理,數據倉庫等。正式如此,大數據正在成為各大行業的用來加速數位化進程的必不可缺手段,在地球物理學勘探領域也不例外,以數字數據為基礎的智能化分析正在逐漸取代人工分析走上舞臺。
自監督學習:是在沒有明確提供標籤的情況下進行目標標籤的自由獲取,並通過挖掘數據的性質,從中學習並生成所需的標籤信息。目前,自監督學習在自動拾取與地表建模領域正在進行嘗試。
生成對抗網絡:是非監督學習的一種方法,可通過兩個神經網絡之間的互相博弈進行學習,該網絡經常用於生成以假亂真的圖像數據和改善已有圖像數據的質量。這讓該技術在智能去除地震道數據噪點以及生成模擬地震道圖片數據方面有至關重要的作用。
圖像增強:是指利用不同算法針對空域內相關圖像數據的灰度變換,對比度,曝光度,高反差進行調整,以讓圖像變得清晰可見,並去除不必要的噪點。在地球物理學勘探領域被廣泛應用對圖像數據的清晰度增強。
三、地球物理學勘探中人工智慧的應用任務方向
四、地球物理學勘探部分落地案例簡述
WesternGeco:Schlumberger 公司旗下的WesternGeo 可利用深度學習,機器學習等技術多維度分析地震勘探數據,其中包括鹽丘頂底自動化解析,海底地質結構解析,3D地震數據結構層成像。
沙特阿美公司:沙特阿美公司已開始嘗試使用多層卷積神經網絡模型進行斷層數據分析,通過使用超過10萬的斷層與非斷層的樣本進行訓練,該模型利用地震數據對斷層的識別準確率可接近74%。
艾默生:艾默生Paradigm子公司使用深度學習以及卷積神經網絡將地震道分成一系列重疊的時間窗口數據段進行初至有效數據篩選,該模型可有效排除幹擾數據,並使用能量比法精確初至的對應時間。
雪佛龍:雪佛龍公司已開始嘗試使用生成對抗網絡以提高二維以及三位地震剖面數據的解析度,該技術可廣泛應於針對地震圖片數據的超解析度處理領域。
美國Los Alamos國家實驗室:實驗室在嘗試基於卷積神經網絡概念建立全波形反演網絡模型「InversionNet」,並加入Atrous卷積模塊以提升對地震道數據記錄的速度。
五、人工智慧技術在地球物理學勘探的局限性
地球物理學勘探數據集不統一:由於在人工智慧方面算法和技術的研究往往需要海量的專業性數據,而在地球物理勘探領域,合成地震與實際地震的數據集標準並不統一,而且公開數據集有限,所以人工智慧的相關研究有一定局限性。
六、人工智慧技術在地球物理學勘探的發展趨勢
電磁,重力,深水正在成為新的地球物理學勘探新領域:地震勘探一直是地球物理學勘探領域的核心,但近幾年,隨著未知油氣田的物理環境正在變得更為複雜,後續針對電磁,重力,以及深水勘探的人工智慧技術將可能越發重要。