中國石化石油勘探開(kāi)發(fā)研究院和物探研究院為中國石化直屬上游綜合研究機構，職責定位是中國石化上游 “三部一中心”，即：上游的發(fā)展戰略及油氣勘探開(kāi)發(fā)參謀部、油氣勘探開(kāi)發(fā)技術(shù)服務(wù)部、油氣勘探開(kāi)發(fā)技術(shù)研發(fā)和集成部、上游地質(zhì)資料信息中心。圍繞西北、華北、東北、四川、海域、海外等勘探開(kāi)發(fā)重點(diǎn)領(lǐng)域，持續提供技術(shù)支撐與服務(wù)，為中國石化上游穩油增氣降本做出了積極貢獻。在縫洞型碳酸鹽巖油藏高效開(kāi)發(fā)領(lǐng)域形成了自己的特色和優(yōu)勢。

石勘院和物探院依托國家“973”項目、國家重大專(zhuān)項、國家部委戰略選區、國家自然科學(xué)基金等一批項目。在縫洞型碳酸鹽巖油藏開(kāi)發(fā)技術(shù)、多波多分量地震技術(shù)等方面達到國內領(lǐng)先或國內先進(jìn)水平，尤其是縫洞型碳酸鹽巖油藏開(kāi)發(fā)技術(shù)整體達到國際領(lǐng)先水平。

場(chǎng)景組具有多年從事塔河油田開(kāi)發(fā)的研究經(jīng)歷，掌握大量現場(chǎng)生產(chǎn)資料。2000 年完成塔河油田四區開(kāi)發(fā)方案編制、2005 年與法國合作研究的塔河油田四區三維地質(zhì)建模，2006 年完成四區開(kāi)發(fā)動(dòng)態(tài)跟蹤研究，2012 年 《塔河油田 12 區奧陶系油藏油氣產(chǎn)能及能量分布特征研究》及 2006-2018 年承擔 “十一五”、“十二五”、“十三五”國家重大專(zhuān)項的相關(guān)課題研究，均為本場(chǎng)景建設提供堅實(shí)技術(shù)基礎。

塔河油田是我國已發(fā)現最大的碳酸鹽巖縫洞型油藏，含油面積達 700km2，探明石油地質(zhì)儲量超過(guò) 10 億噸。塔河油田縫洞油藏儲集體埋藏深大（>5700m）、類(lèi)型多、非均質(zhì)性強，油田鉆井多（1870 口）。礦場(chǎng)常規“甜 點(diǎn)”預測需多種地震屬性聯(lián)合預測，對人員專(zhuān)業(yè)知識要求高，預測工作量大、工作效率低。上述面臨問(wèn)題迫切需要引進(jìn)人工智能，開(kāi)發(fā)智能解釋軟件平臺，發(fā)揮甜點(diǎn)智能識別技術(shù)優(yōu)勢，提高油田現場(chǎng)甜點(diǎn)識別效率。

機器學(xué)習和計算機技術(shù)的不斷進(jìn)步為“甜點(diǎn)”預測帶來(lái)了前所未有的機遇。人工智能算法也在“甜點(diǎn)”預測中展現出巨大的潛力。這些算法能夠處理非線(xiàn)性、高維和復雜的數據關(guān)系，提高預測的可靠性并能大幅提高預測效率。

針對超深層復雜碳酸鹽巖縫洞型油藏，引進(jìn)人工智能技術(shù)，在地質(zhì)認識及地球物理理論指導下，以地震數據及其衍生屬性為研究對象，尋求能夠反映“甜點(diǎn)”最佳屬性組合，結合地震正演拓展，建立訓練樣本集。優(yōu)選最佳算法模型，通過(guò)參數的調整及迭代優(yōu)化，尋找地震屬性與縫洞儲集體“甜點(diǎn)”的潛在關(guān)聯(lián)性，建立縫洞儲集體甜點(diǎn)預測模型，實(shí)現碳酸鹽巖縫洞型油藏地球物理甜點(diǎn)快速、準確預測。

1)具體的工具或方法創(chuàng )新

按照“數據+平臺+應用”的模式，地球物理甜點(diǎn)識別子系統，包含首頁(yè)界面、數據管理、模型管理、儲集體識別、界面顯示、成果輸出等 6 個(gè)功能服務(wù)，引用地震基本數據服務(wù)、非結構化數據服務(wù)等 2 個(gè)數據服務(wù)。

a）地球物理甜點(diǎn)智能識別及解釋?xiě)��?

為用戶(hù)提供碳酸鹽巖縫洞甜點(diǎn)預測人機交互界面共包含六大功能模塊。具體情況如下： 首頁(yè)界面：涵蓋流程展示及功能導航，展示系統主要操作流程，并對操作進(jìn)行簡(jiǎn)單描述；

數據管理：提供各類(lèi)數據記載功能，提供基礎數據管理維護功能；智能建模：實(shí)現模型構建及模型評估功能；

儲層識別：通過(guò)識別參數設置實(shí)現儲集體識別功能及識別結果管理；界面顯示：提供地震剖面顯示、成果剖面顯示功能；

成果輸出：提供識別結果輸出功能。

b）創(chuàng )新點(diǎn)

融合機理模型形成訓練數據集。將地質(zhì)特征和地球物理數據有機融合，明確縫洞甜點(diǎn)地震響應特征，優(yōu)選地震能量、頻譜等屬性，結合測井數據及生產(chǎn)動(dòng)態(tài)數據，構建較為準確的訓練樣本集，提高模型的預測準確性和泛化能力。

地震正演訓練樣本制作。設計了符合縫洞地質(zhì)特征的地震正演模型來(lái)豐富和拓展訓練樣本集，有效解決了樣本不均衡和樣本數量不足問(wèn)題。

基于集成學(xué)習的分步訓練策略，有效提高甜點(diǎn)預測精度。為捕捉縫洞甜點(diǎn)的地震信號細節，設計了一個(gè)基于集成學(xué)習的分步訓練策略。通過(guò)多階段、多模型的協(xié)同作用，顯著(zhù)提升預測的精確度和魯棒性，同時(shí)有效控制過(guò)擬合的風(fēng)險。①將 FCN 卷積神經(jīng)網(wǎng)絡(luò )作為初步篩選工具。利用FCN 通過(guò)深度卷積層的層層抽象，學(xué)習縫洞體的 結構信息，高效地識別出潛在甜點(diǎn)區域。②基于集成學(xué)習的深化預測。在FCN 初步篩選基礎上，有機融合Boosting 和隨機森林等先進(jìn)的集成學(xué)習方法，提高縫洞甜點(diǎn)預測精度。

基于遺傳算法的自適應 AI 超參數調優(yōu)技術(shù)提升訓練效率。通過(guò)模擬生物進(jìn)化過(guò)程來(lái)高效優(yōu)化神經(jīng)網(wǎng)絡(luò )模型的參數配置，縮短訓練時(shí)間，降低算力消耗，最終提升優(yōu)質(zhì)模型的訓練效率。

2)具體應用模式和應用流程

應用功能建設按照客戶(hù)端（C/S）模式進(jìn)行設計和后續研發(fā)，客戶(hù)端軟件負責對地震原始數據及其屬性數據進(jìn)行管理并提供樣本標注工具，標注后生成的訓練樣本數據傳輸到石化智云執行具體的模型訓練，訓練后的模型回傳本地工作站，由本地工作站客戶(hù)端軟件進(jìn)行推理和結果展示。

a）訓練流程。鑒于地震數據量的海量規模，場(chǎng)景樣本標注在本地進(jìn)行。依據專(zhuān)家經(jīng)驗優(yōu)選地震屬性，多資料、多數據聯(lián)合開(kāi)展專(zhuān)家樣本標注。同時(shí)輔以地震正演制作訓練樣本，來(lái)克服樣本的不均衡和數量不足問(wèn)題。另外依托總部云，采用云邊部署架構，借助平臺算力資源進(jìn)行模型訓練。并輔以超參調優(yōu)技術(shù)，指示“進(jìn)化路徑“，提高優(yōu)質(zhì)模型訓練效率，具體流程見(jiàn)下圖。

b）預測流程。應用石化智云的建模與訓練成果，針對不同類(lèi)型的地震數據域，提供靈活的預測數據體選擇機制，輕松管理待預測地震數據。其次可設置預測范圍參數，允許用戶(hù)精確設定 Inline、CDP（Common Depth Point，即公共深度點(diǎn)）以及 Time（時(shí)間）范圍，實(shí)現對預測范圍的精準控制，具體流程見(jiàn)下圖。

經(jīng)濟效益�？s短縫洞型碳酸鹽巖油藏科研生產(chǎn)運行周期，降低人工成本。通過(guò)場(chǎng)景建設，減少科研生產(chǎn)環(huán)節，有效降低用人成本（降本 60%以上），縮短科研生產(chǎn)運行周期，提升勘探開(kāi)發(fā)決策效率。

管理效益。重塑業(yè)務(wù)流程，減少科研運轉環(huán)節。通過(guò)對碳酸鹽巖縫洞體甜點(diǎn)識別全業(yè)務(wù)功能智能化，實(shí)現了該類(lèi)型科研工作的模式轉變，重塑業(yè)務(wù)流程，減少科研運轉環(huán)節，降低管理成本，加快勘探開(kāi)發(fā)進(jìn)程。

社會(huì )效益。促進(jìn)了地球物理技術(shù)的不斷發(fā)展。通過(guò)地球物理甜點(diǎn)智能識別及解釋場(chǎng)景建設，將為中石化國內上游企業(yè)在地球物理與新一代人工智能技術(shù)的有機融合，探索，實(shí)施，推廣積累經(jīng)驗。

經(jīng)驗總結。首先，地球物理領(lǐng)域以其海量數據著(zhù)稱(chēng)，但數據的豐富性并未直接轉化為確定性樣本的充足性，高質(zhì)量訓練樣本數據更是稀缺資源。這一現狀對我們提出了新的挑戰，也為我們指明了下一步的研究方向。

其次，機理模型在地球物理人工智能領(lǐng)域的應用大多仍處于理論探討以及數據端處理的初級階段，尚未能深入融合到算法模型的核心之中。將機理模型嵌入到網(wǎng)絡(luò )端，重塑我們的算法框架，是我們下一步亟待攻克的技術(shù)難題。這一挑戰不僅要求我們在理論上有所突破，更需要在實(shí)踐中不斷探索和創(chuàng )新。

最后，要實(shí)現高效模型的落地應用，持續的資金投入與攻關(guān)是不可或缺的。只有不斷資源投入，推動(dòng)模型的迭代更新與優(yōu)化，才能確保模型在實(shí)際應用中展現出卓越的性能與效果。