基于大數據的測井智能解釋系統開發與應用

　　摘　要：人工智能技術在測井解釋中的應用由來已久，但單方法應用研究多，系統集成應用少。當今云計算、大數據和人工智能技術的規模應用，再次推動了測井解釋智能化發展。以多學科數據融合的數據湖為基礎，在專業軟件的基礎上進行智能解釋模塊開發，將測井智能解釋引入到傳統的解釋流程中，輔助測井分析人員快速挖掘隱藏的高價值信息。利用大數據治理工具將數據湖連接到智能模型，實現大數據與智能算法融合。通過系統開發實現基于大數據的智能解釋模型和傳統專業軟件的集成，搭建基于地質圖件導航的測井智能解釋環境，形成地質、油藏背景下的智能化測井解釋工作模式，增強測井評價復雜儲層的能力，提高工作效率。

　　關鍵詞：大數據;智能算法;測井解釋;智能解釋環境

　　0引言

　　人工智能技術作為第四次工業革命的重要推動力,是大數據、算法和算力的重要結合，給各行各業帶來了革命性的變革，也為測井技術的發展提供了強大的技術支持。測井技術的應用深度與廣度主要取決于資料解釋的信息豐度，其中的重要環節依賴于解釋方法與軟件的開發[1-3]。

　　目前，國內外測井解釋軟件功能齊全、種類繁多，促進了解釋技術進步，提高了測井解釋水平，解決了一批測井解釋評價的難題。但是隨著勘探開發目標的日益復雜化和隱蔽化，現有的解釋方法和軟件難以準確描述儲層的復雜狀態[4]。測井對儲層的非線性響應，導致處理解釋質量不高，要準確研究非均勻地層測井信息所蘊含的地質信息，需要研發新的測井解釋方法[5]。

　　人工智能作為一種改進計算機求解問題的方法[1]，可以彌補傳統解釋方法的不足，使測井分析人員擺脫大量低知識層次的分析工作。將人工的知識和經驗系統化、條理化形成“智能助手”，幫助測井分析人員解決更深層次的地質問題。為此，國內外進行了大量的實踐。斯倫貝謝公司推出的DELFI勘探開發認知環境，將復雜的數值模擬、數據分析等變得智能和快捷。國內也在積極探索適合中國特色的測井智能化解釋道路，這給傳統測井解釋技術發展帶來了新動能和良好的發展前景[6-8]。

　　20世紀，中國測井科技工作者在人工智能單方法應用和專家系統開發等方面都取得了重要的研究成果[9-22]。然而，這些成果并沒有及時地轉化為生產力。究其原因是缺乏兩個關鍵環節，一是缺少足量的專業大數據作為智能計算的基礎;二是缺少符合測井智能解釋業務的集成應用環境。前人取得的研究成果為測井智能解釋系統的開發和應用奠定了基礎。按照測井解釋軟件走集成化道路[3]的思路，長慶油田通過系統開發和應用環境搭建，實現了大數據、人工智能和測井解釋軟件的集成應用。將“數據”“算法”“場景”3個關鍵要素有機結合，形成了基于大數據的測井智能解釋環境，提高了測井參數計算精度和流體識別準確率，提升了測井分析效率，促進了測井解釋由單井解釋向多井評價、油藏分析轉變。

　　1總體思路和系統架構

　　1.1總體思路

　　測井解釋軟件是測井資料處理與解釋的重要工 具和載體，是運用各種現代技術綜合解決地質問題的重要手段，是測井解釋技術能力的綜合體現，也是衡量測井技術水平的一個重要指標[8]。斯倫貝謝公司在Techlog解釋軟件中開發了主成分分析、回歸、聚類、決策樹、神經網絡等智能功能模塊。這些模型的訓練樣本主要是軟件的工區數據，一方面數據量不足，另一方面針對算法的數據預處理較少，導致應用受限。DELFI系統建立了跨專業協同工作環境，采用開放式的軟件開發模式，通過Studio集中管理Techlog與Petrel、ECLIPS等地質、油藏軟件的數據，實現了地質、工程業務智能化與協同化。然而，涉及國家地質數據的安全問題，中國不能像引進專業軟件一樣引進DELFI系統，只能走自主研發的道路。

　　長慶油田經過10余年的數字化油田建設，建成了數字化油氣藏研究系統(RDMS)[6]，盤活了15萬余口井的地質、鉆井、測井、錄井、分析化驗、試油(氣)等多學科數據。RDMS實現了專業數據自由推送、實時關聯、在線可視等基礎功能;開發的基于地質圖件的數據導航系統(CQGIS)實現了多學科數據自動收集、整理，以及軟件的無縫銜接[23-25]，這些建設成果逐漸成為大數據技術應用的基礎。針對測井軟件開發的數據接口打通了數據湖的通道，通過以專業軟件為基礎開發大數據治理工具，實現樣本數據快速提取[26-30]。在專業軟件中開發智能解釋模塊，將智能應用引入到傳統測井解釋流程中，實現專業軟件、智能應用和數據湖的耦合集成。在RDMS、CQGIS和解釋軟件之間，搭建起以地質、油藏為約束的測井智能化解釋評價環境。

　　1.2系統架構

　　系統自下而上由數據層、功能層和應用層組成，從功能上分為樣本數據治理、數據綜合分析、模型訓練與優選、模型評估與管理，應用上分為建模應用和極簡應用。在數據層開發數據解編模塊處理測井數據體，實現測井數據與試油、巖心分析、錄井等資料的數據模型和數據結構統一。數據治理工具在深度域上進行數據治理，完成連續數據和離散數據的匹配。解釋人員通過專業軟件選擇儲層特征數據，并依據試油結論給特征數據打上標簽，將這些數據按層位存入樣本數據庫。進入樣本庫的數據可直接用于模型訓練與優化，形成用于測井參數計算和流體識別的智能模型，通過模型優選，組合成針對性推薦智能模型組，供用戶調用。

　　2測井大數據治理

　　在專業解釋軟件的基礎上開發大數據治理工具，實時繪制測井專業圖件，對多專業數據進行快速集成和直觀展示，對數據進行補全、融合、抽取等治理。讓專家用戶專注于儲層特征的分析、選取和打標簽工作。通過開發數據接口，在數據湖中自動收集井基本信息(如坐標、鉆井液、鉆頭等信息)、地質分層、試油、錄井、分析物性等數據，并自動轉換為數據治理工具的數據格式，批量推送到治理工具;專業軟件調用測井繪圖模板直接成圖，并可以自由補充其他數據，完成特征匹配和數據檢查后，選擇儲層特征值，打上相應標簽(如油層、油水同層、差油層、含油水層、干層、泥巖、砂巖、煤、隔夾層等)。最后，一鍵式自動提取目標井基本信息、單點數據、特征值、試油數據、巖心分析數據等，并批量提交入庫。以上過程構成了測井大數據治理流程。

　　3智能模型訓練和管理

　　經過長期的研究和實踐，前人[9-22]將有監督學習、無監督學習、強化學習等算法紛紛引入到測井解釋中，形成了各具特色的應用技術。由于樣本數據量較少，數據缺乏精細的預處理，導致模型泛化能力較低，距工業化應用存在一定距離。本次系統開發將這些成果進行了優化集成，開發了“模型參數自動尋優”“模型組合優化推薦”“專業圖件在線繪制”“應用效果實時展示”等功能模塊，實現了智能算法集成應用。

　　3.1智能模型訓練

　　結合測井解釋業務特點，對支持向量機、K-近鄰、神經網絡等算法進行優化，使智能算法與傳統解釋理念融合。通過集成TensorFlow深度神經網絡算法[31-32]，保證系統功能可擴展。以上算法的核心原理及訓練方法成熟可靠，在系統開發過程中主要在數據預處理和模型自動訓練方面做了大量工作。

　　4測井智能解釋應用場景

　　智能系統要在傳統石油行業中發揮作用,必須與專業應用場景結合。通過數據接口軟件將數據治理工具與區域數據湖連接起來，可以自由調取海量的專業數據。開發應用接口將CQGIS地質圖件導航系統與測井智能解釋軟件連接起來，支撐起極簡應用和建模應用，形成具有長慶特色的“RDMS+智能計算”的測井智能解釋環境。

　　5應用效果

　　測井智能解釋系統的成功開發和落地應用，強化了地質、油藏對測井評價的指導作用，基本實現了測井解釋的自動化、智能化。該系統在參數計算和流體識別等方面的精度都達到或超過了人工解釋，智能評價結果與試油、投產等數據更加匹配，初步具備了輔助人工進行流體識別和油藏評價的能力，實現了多井批量處理，大幅提高了測井解釋的工作效率。H369井是鄂爾多斯盆地西部的一口老井，其地理位置遠離樣本井分布范圍，且在H369井周圍僅有3口鄰井。該井2631.5～2634.6m人工解釋結論是含油水層。

　　巖屑錄井描述為1.3m油跡和0.5m油斑。對該含油水層進行射孔，試油日產21.5t油和56.1m3水，試油結論為油水同層，人工解釋出現了較大失誤。在極簡應用模式下，自動處理得到的智能解釋結果為油水同層，與人工解釋結論截然相反，但是與試油結果一致。智能計算孔隙度、滲透率和飽和度與人工計算結果接近，與巖心分析物性數據匹配較好，符合巖石物理規律。該系統利用支持向量機識別流體性質，神經網絡計算孔隙度，K-近鄰模型計算滲透率和飽和度，這些模型組合成一個智能模型組，同時完成4個方面的工作，不但提高了測井解釋效率，計算結果也滿足測井評價需要。

　　6結語

　　隨著大數據和計算機技術的飛躍發展，機器學習、深度學習等人工智能技術在測井解釋中的應用，要快速走出前人的研究和試驗階段，進入高速發展階段，當前正是進行測井解釋智能化升級的最佳時期。中國測井解釋軟件走的是集成化發展道路，取得了較大的成功。

　　智能化應用作為測井解釋評價的一種手段，一方面要兼顧與測井解釋軟件的融合，另一方面還要具備較強的開放性，要將近年來測井專業信息化建設和智能化應用成果集成起來，形成開放性的測井智能應用環境。通過“數據”“算法”“場景”三者有機融合，構建“大數據+智能計算+專業軟件”的測井智能解釋應用環境。

　　建筑論文投稿刊物：《測井技術》(雙月刊)創刊于1977年，由中國石油集團測井有限公司主辦。宗旨：總結、交流我國測井行業的科研成果和生產經驗，介紹國外先進測井技術，促進我國測井技術的發展，滿足石油工業勘探開發需要。《測井技術》內容涵蓋測井技術的理論研究、實驗分析、儀器設計與數據采集、測井資料分析處理、石油地質解釋、動態監測技術、軟件開發、射孔技術以及科技信息動態等，覆蓋了與測井相關的各個領域。

　　利用智能模型通過大數據分析提高測井參數計算和流體識別精度;通過信息化系統打通測井評價各專業之間的數據壁壘，實現數據的自動收集、轉換和推送，完成外圍數據準備工作，提升測井評價效率;在專業軟件里實現智能解釋與傳統巖石物理解釋結合，互為補充，提升測井評價整體效果。測井智能解釋在長慶油田的應用實踐表明，這條智能化發展道路是正確的，有利于測井智能應用生態進一步發展。

　　參考文獻

　　[1]曾文沖.現代測井技術發展趨勢的分析[J].測井技術，1989,13(1):1-11.ZengWenchong.Ananalysisofthedevelopmenttrendofmodernloggingtechnique[J].WellLoggingTechnology,1989,13(1):1-11.

　　[2]李樂中，張立.斯倫貝謝公司解釋系統及軟件介紹[J].國外測井技術，1992,7(1):111-113.LiLezhong,ZhangLi.Introductiontointerpretationsystemandsoftwareofschlumberger[J].WorldWellLoggingTechnology,1992,7(1):111-113.

　　[3]陸大衛，張世剛.測井軟件走集成化道路[J].測井技術，1996,20(1):5-11.LuDawei,ZhangShigang.Onintegrationofwellloggingsoftware[J].WellLoggingTechnology,1996,20(1):5-11.

　　[4]李浩，劉雙蓮，魏修平.淺析我國測井解釋技術面臨的問題與對策[J].地球物理學進展，2010,25(6):2084-2090.

　　作者：石玉江1　劉國強2　鐘吉彬3　王　娟3　張文靜3

轉載請注明來自發表學術論文網：http://www.cnzjbx.cn/jzlw/26004.html