在前面两篇博文中，我们讨论了数据同化的概念和算法。我们指出过，数据同化这门新学科，影响到地球科学几乎所有的应用领域，也包括石油天然气勘探与生产。但是，头脑中的概念和纸面上的算法公式，并不等于现实生产力。爱因斯坦是人类历史上最伟大科学家，具有最伟大的头脑，爱因斯坦质能公式E=mc²是人类历史上最伟大的公式之一。但是，你学会了爱因斯坦质能公式,不等于你就有了使用核裂变利用破碎原子核为人类提供能源的能力。正如《费恩曼物理学讲义》中在谈到“在所有的报纸上都曾经将可怜的老爱因斯坦称为原子弹之父”时，批评报界和许多报道文章“对在物理和技术的发展过程中究竟是什么促成什么所提出的议论”的无知（上海科学技术出版社2005年版，第177页）。

数据同化技术如何转化为现实生产力？

数据同化的概念和算法首先需要编制成软件，才能用于解决科学与工程实际问题。软件是知识（概念和算法等）的提炼和“固化”。数据同化的算法并不特别复杂，但是，计算量巨大。例如，油藏数据同化集合卡尔曼滤波（EnKF），其状态的维度往往高达10⁷-10⁸以上，并行计算程序设计很关键。EnKF包括预测步骤和分析步骤，可以有效实现多级并行计算。第一级在预测步骤，每个集合成员可以在单独处理机运行。这对于有大量的集合成员情景是非常有效的。第二级油藏动态模拟。油藏动态模拟如果没有并行化，一个单一处理器的内存限制油藏模拟的规模。好在现在有许多并行化的油藏模拟器软件可供利用。第三级在分析步骤，需要收集来自每个集合成员的状态向量。如果这种数据被收集在一个单一的处理器，内存和计算时间又构成了对EnKF问题的规模的限制。因此，在分析步骤也需要实现并行化。

数据同化软件要转化为现实生产力，还要综合集成到科学与工程软件平台。正如1995年朱光亚先生在全国科学技术大会的报告《当代工程技术发展态势》中指出过的，“综合集成在工程技术最终转化为现实生产力过程中发挥着关键的作用”。数据同化软件和油藏历史拟合的结合，是油藏管理综合集成的例子。在油藏管理中，可以测量的生产数据只有地面产量、含水率和井底压力等，无法直接得到油藏的模型参数（如渗透率场、孔隙度场等）和动态变量（如，压力场，油、气、水饱和度场等）。油藏工程师一般通过历史拟合，以获得对这些油藏参数的估算。历史拟合是指调整油藏模型，直到其动态接近于再现油藏过去的动态。这是石油和天然气工业预测未来的常用方法。可以通过数据同化技术和历史拟合技术的结合，实现“闭环”油藏管理。图1是代尔夫特理工大学（TUDelft）科学家提出的闭环油藏管理框架示意图。图中包含油藏和生产模型，并通过油田观测数据组合它们。不同来源的数据通过数据同化循环，改善油藏描述和油田流体状态预测。一般说，数据有两类，一是稀疏数据——只有在井位处采集，二是致密数据——油藏任何地方均采集到。需要估算的模型参数非常大，而生产数据或稀疏数据只有有限分辨率。另一方面，地球物理的发展，特别是四维地震可能追踪油藏内部流体移动。在闭环油藏管理数据同化中，四维地震数据形式的致密数据，附加的压力和饱和度信息，可以与生产数据一起利用。

图1 闭环油藏管理示意图