spring63的个人博客分享 http://blog.sciencenet.cn/u/spring63

博文

人工智能的下一个应用领域:E&P数据分析 精选

已有 3622 次阅读 2020-8-7 09:14 |个人分类:AI应用|系统分类:海外观察

人工智能正在改变世界上许多领域。例如,我们已经看到了人工智能有望变革交通运输行业。我们将拥有智能公共汽车、出租车甚至私家车。人工智能也有望变革医疗保健行业。医疗专业人员的工作将变得容易,并且将能够更准确快速诊断疾病。今天,由人工智能驱动的虚拟助理的使用正在增加。未来的虚拟个人助理,有望在你开口之前它就知道你想要什么。

人工智能下一步应用将扩张到社会和经济更多领域。例如,在传统制造业和建筑业,有望发展智能制造和智能建造。而在石油和天然气工业,也有望发展智能勘探与生产。

石油和天然气行业通常分为三大业务部门:上游、中游和下游。上游涉及石油和天然气的勘探和生产,简称E&P。中游通常指运输和储存阶段。下游包括炼油和销售石油的各种过程。上、中、下游所有业务领域都将受益于人工智能的应用。这篇“海外观察”博文涉及人工智能如何实现上游油气勘探过程更高效和优化

【石油是在数据中找到的】

对于石油和天然气的勘探和生产而言,数据是宝贵的资产。石油和天然气公司在找到油气之前,必须分析海量的数据。其中,地震数据是勘探阶段获得的最关键、最昂贵和体量最大的数据。每个地震勘探项目采集的数据以10TBTB表示万亿字节)计。比较而言,钻井操作数据,每天大约0.3GBGB表示十亿字节)。地质家是在分析这些数据中找到油气藏的。

地震勘探是一种勘探地球物理方法,从反射的地震波中估计地球地下性质,通过地震成像来形成地球内部的详细图像,从而确定可能的油气藏目标。反射地震学类似于声纳和回声定位,故有人形象地比喻为给地球做CT

早在20世纪50年代初,基于数学家和控制论学家罗伯特维纳(Norbert Wiener)的时间序列分析理论,麻省理工学院地球物理小组开始试验利用计算机处理地震勘探数据。经过早期缓慢的发展历程,随着计算机处理能力和存储能力的提高、数据处理算法和软件的发展和实现野外地震数据采集的数字化,直到20世纪60年代末,油气工业才真正实现计算机化地震数据处理。到20世纪80年代中,随着PC(个人计算机)的诞生,油气工业开始应用计算机辅助地震解释。

地震数据处理和解释是把在地表或沿井筒测得的反射地震记录,转换成地下图像、反演地下结构和属性。从历史上看,石油公司曾经不得不依靠试错法,钻许多“野猫井(指对地下地质几乎一无所知情况下钻的探井)。通过计算机化地震处理和地震解释,明显减少钻野猫井,降低了勘探费用,提高了寻找石油储量的准确性。

image.png

地震勘探数据采集、处理和解释

到目前为止,上游油气行业经历的数字革命,主要是支持勘探与生产部门,提供特定的处理解释平台(支持应用软件模块化、可视化、并行化和一体化),但是,该平台在勘探与生产决策中应用,严重依赖地质学家、地球物理学家、油藏工程师的技能和知识。

【地震处理解释遇到的挑战】

地震处理和解释是油气工业发现和开发油气藏的必要条件。但是,这个过程非常耗费时间和资源。

20世纪80年代,就有地球物理学家梦想把地震记录送进计算机,等待输出地下模型,然而,至今地震处理和成像远未实现自动化:需要大量处理,来将噪声与信号(与岩石的地质和物理性质相关联的)分离开来,需要复杂的成像算法,得到地下构造图像。这个过程涉及许多数学方法,数以百计的应用程序,对石油和天然气行业来说,这是一项巨大的挑战。人工智能可望帮助自动确定处理流程和参数,提高地震处理和成像的效率和质量。

地震解释员也面临的两个重要问题:解释大量数据和理解各种类型数据的关系。例如,在地震勘探中,大断层更容易识别,但识别较小的裂缝却是一项麻烦的任务。人类科学家可能不容易发现某些细微的断层,从而损失了开采资源丰富的储量的机会。而且,这个识别断层的过程非常耗时,需要科学家分析大量的数据。人工智能可望帮助克服这些挑战。

【人工智能推动地震处理解释技术变革】

人工智能应用于地震处理解释的尝试,可追溯到20世纪80年代末——神经网络在地震处理解释领域的应用也掀起过一阵热潮。那时主要利用神经网络进行地震数据初至波的拾取和道编辑等。在石油勘探地震数据处理中,初至波的拾取和道编辑很费人工。而神经网络是一种数学算法,可以训练解决通常需要人工干预的问题。

在经历了缓慢的起步和一段时间的低潮之后,在过去的十五年中,神经网络在石油物探中的应用开始复苏,人工智能在整个石油和天然气工业中的应用正在增长,可望成为解决行业中许多最具挑战性问题的解决方案。

主要的学术组织积正在极推动人工智能应用研究。近年,EAGE(欧洲地球科学家与工程师学会)举办了许多活动,支持机器学习领域的进步和创新,其中包括举办讲座(地震解释与深度学习、机器学习地震相分类、随机储层建模的挑战和解决方案——地质统计学,机器学习,不确定性预测等)和一系列研讨会,如:EAGE拉丁美洲上游高性能计算第一次研讨会(2018921日至22日,哥伦比亚桑坦德)、第一届EAGE/PESGB机器学习研讨会(20181129日至30日,英国伦敦)、EAGE E&P大数据和机器学习研讨会(2019225日至27日,马来西亚吉隆坡)、EAGE地下智能研讨会(2019129日至10日)、2020人工智能和大数据技术会议(202032日,休斯顿)等,并将于202138日至10日在荷兰阿姆斯特丹举行第二届EAGE机器学习研讨会。

SEG(勘探地球物理学会)主办的《GEOPHYSICS》(地球物理领域顶级刊物),最近一期(第85卷第4期, 20207-8月),开辟了一个题为《用于地球科学应用的机器学习和数据分析》的专区,刊登了22篇文章,介绍利用最新人工智能数据分析提高地球科学工作流程的效率和准确性,例如,地震数据去噪的卷积神经网络方法、地震构造解释的卷积神经网络、卷积神经网络地震地层学解释、基于机器学习算法的岩相分类、基于深度学习辅助弹性全波反演等。此外,有关论文还涉及定制机器学习结构、算法和策略,以满足地球科学数据的特定结构,以及如何将机器学习结合基于物理的方法。

通过机器学习可望实现部分数据处理工作流程自动化,简化执行成像所需的许多复杂处理步骤,自动挖掘数据集的隐藏特征或关系,帮助地质学家理解大量地质数据或信息之间的关系。人工智能深度学习,可能是一个真正的圣杯(有人认为地球物理学家梦寐以求的圣杯是弹性波全波形反演FWI,但也许更可能是人工智能AI,可望引发地震处理解释技术的革命。但最近的一些研究主要基于图像处理和分析,而不是波动物理理论。麻省理工学院(MIT)的Chiyuan Zhang和壳牌国际勘探与生产公司(Shell International Exploration & Production Inc)的Mauricio Araya-Polo等(参考资料[2]),提出了利用机器学习自动检测地球物理特征——从原始地震记录中,在进行成像和解释之前,直接检测断层结构(下图)。

image.png

自动地球物理特征检测(来源:参考资料[3]

人工智能已经在实现地震解释应用自组织图、地震相分析的有监督分类、页岩的易碎性和岩相解释、储层参数预测、断层自动识别、盐体圈定、全波形反演等方面,取得显著成果。以断层解释为例,人工智能算法可以方便快捷地从三维地震图像数据中识别断层系统,可以帮助发现人类科学家可能忽略的细微缺陷。地震解释人工智能利用地质资料训练模型,然后人工智能模型被用于分析勘探数据,帮助预测该地区可能存在的断层,石油公司可以根据人工智能算法提供的输出,来计划其钻井作业。

根据报导(参考资料[3]),Geoteric公司的人工智能断层解释,在最近与AkerBP合作的项目中,通过识别潜在钻井风险,提高了作业效率。下图是Exmouth盆地剖面与深度学习(机器学习)断层属性混合。3D网络(红色断层)显示从过程中获得的断层信息的清晰度和质量。人工智能与传统的地震解释工作流程完全集成,例如,将深度学习属性与原始地震体融合。

image.png

深度学习断层属性信息与原始地震剖面综合显示(来源:Geoteric

【科技公司和油气公司的协作】

海外主要科技公司和油气公司正在开展协作,推进发展石油勘探与生产领域人工智能的算力、算法和应用。这里举几例。

IBM已经为道达尔公司(Total,法国石油天然气公司)制造了世界上最强大的商业超级计算机PangeaIII,具备25petaflops(千万亿次浮点运算/秒)和50 petabytes(千万亿次字节)的存储能力。新的基于IBM Power9 CPU-GPU架构的超级计算机将用于石油地震勘探,以及预测未来的石油和天然气产量。

道达尔并正在和谷歌云(Google Cloud)合作共同开发开发人工智能程序,用于解释地下图像,特别是地震数据分析(使用计算机视觉技术)和技术文件的自动分析(使用自然语言处理技术)。这些项目将使道达尔的地质学家、地球物理学家和油藏工程师能够更快、更有效地勘探和评估油气田。据报道,在未来几年内为道达尔的地球科学工程师提供人工智能个人助理,让他们能够专注于高附加值的任务。道达尔地球科学家与谷歌云的机器学习专家在同一个项目团队中工作,该团队位于加利福尼亚州的谷歌云高级解决方案实验室。

英伟达公司(NVIDIA)和贝克休斯公司(Baker Hughes,美国油田技术服务公司),正合作推广应用人工智能和利用GPU加速计算。从地震建模和自动油井规划,到预测机械故障和优化供应链,深度学习神经网络可以帮助实时分析数据,并可望大幅降低石油的发现、开采、加工和输送的成本。人工智能解决方案包括:NVIDIA DGX-1 AI超级计算机(用于模型训练的数据中心)、台式机超级计算的NVIDIA DGX工作站(用于现场,甚至可用于带宽有限的远程离岸平台上)和NVIDIA Jetson AI超级计算机(用于实时、连续的深度学习和推断)。

【结语】

石油被称为黑金,在20世纪石油被认为是一种最重要的战略资源。今天人们称数据是21世纪的石油。基于人工智能机器学习的数据处理、解释和决策,可以帮助包括石油天然气行业在内的工业企业提高生产力和经济效益,同时为员工提供更安全的工作环境。

石油和天然气行业的创新的时机已经成熟。Markets & Markets最近发布的一份报告显示,到2022年,油气行业人工智能的价值将达到28.5亿美元,复合年增长率(CAGR)达到13%。在20世纪,计算机在地震处理解释中的应用,曾经引发油气勘探技术变革,相信在21世纪人工智能的应用,将引发油气勘探技术的新变革。

应用人工智能和机器学习算法,石油和天然气公司可以将大量地震数据转换成地下3D图像,以提高储层预测的准确性,以及利用深度学习来训练模型,预测和提高钻井和生产作业的效率、可靠性和安全性。

在上世纪,我国石油行业在发展计算机在地震数据处理解释应用中,曾经得到一些科研机构的帮助。例如,70年代初北京大学和738厂为石油部研发的我国第一台百万次计算机,80年代国防科技大学研发的银河巨型机,以及90年代中国科学院计算技术研究所研发的曙光高性能集群计算机,都首先应用于地震勘探数据处理,促进了我国地震勘探的数字化。今天在石油工业上游发展人工智能应用,更需要加强油气公司和技术公司的协作,加强企业和科研机构的协作。

参考资料:

[1] Naveen Joshi. How Artificial Intelligence is Helping Seismic Interpreters. 02/04/2020.

https://www.bbntimes.com/technology/how-artificial-intelligence-is-helping-seismic-interpreters

[2] Chiyuan Zhang, Jan Limbeck, etc. Automated Geophysical Feature Detection with Deep Learning.  GPU Technology Conference 2016, April 4~7

[3] Reducing Drilling Risk with AI Fault Interpretation. GEO ExPro. Vol. 17, No. 3. 2020.

https://www.geoexpro.com/articles/2020/06/reducing-drilling-risk-with-ai-fault-interpretation




http://blog.sciencenet.cn/blog-3005681-1245315.html

上一篇:神秘的137
下一篇:人工智能背后的数学

9 黄永义 张学文 翟文宝 白龙亮 李剑超 李春来 王立新 强涛 康建

该博文允许注册用户评论 请点击登录 评论 (3 个评论)

数据加载中...
扫一扫,分享此博文

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2020-9-19 23:36

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部