人工智能應用于石油行業(yè)的思考

摘 要：人工智能時代的到來，為石油行業(yè)的發(fā)展提供了機遇。人工智能在石油行業(yè)領域的應用，主要體現(xiàn)在勘探開發(fā)、鉆井完井、生產(chǎn)運營等會方面，但國內應用成效遠落后于國外發(fā)達國家。究其原因在于人工智能應用內在要求難以滿足，尤其是數(shù)據(jù)這一應用門檻。對此石油行業(yè)應當注重數(shù)據(jù)的標準化、自動化采集整合與戰(zhàn)略性管理，繼而利用人工智能帶動石油行業(yè)有效轉型升級。

關鍵詞：人工智能；石油行業(yè)；對策

中圖分類號：TE319 文獻標識碼：A 文章編號：1004-7344（2018）26-0327-01

規(guī)模化挑戰(zhàn)的推進，石油行業(yè)功能性、結構性低效問題急需解決。傳統(tǒng)的技術與方法儼然不能滿足現(xiàn)代石油行業(yè)的智能化、數(shù)字化、自動化發(fā)展。為促進石油企業(yè)的內部增長，急需采用行之有效的解決方案，來提高石油工程與生產(chǎn)成效。人工智能的應用帶動了石油企業(yè)的內部增長，但應用條件相對苛刻，還需摸索性應用與發(fā)展。

1 人工智能在石油行業(yè)的應用

1.1 勘探開發(fā)

隨著人工智能、計算機硬件的不斷發(fā)展，石油勘探開發(fā)過程中的智能化水平逐漸提升。國內的勘探開發(fā)也逐漸意識到了利用人工職能技術的重要性，如神經(jīng)網(wǎng)絡技術、概率推理算法等先進技術，在致密氣勘探中的應用，顯著降低落了勘探風險，同時提高了探井成效。利用人工智能中的神經(jīng)網(wǎng)絡方法，輔以地球物理反演理論，以及神經(jīng)網(wǎng)絡映射模型，可預測復雜地下地質情況的密氣層展布范疇。借助經(jīng)典統(tǒng)計學、貝葉斯統(tǒng)計學下的概率推理算法，可判別致密薄儲層巖石含氣性，降低了薄氣層預測風險，提高了勘探成效[1]。

1.2 鉆井完井

人工智能也逐漸滲透到了鉆完井領域。在鉆井位置決策中應用機器學習，可確保鉆井投資回報。在鉆井卡管實時預測過程中，應用機器學習，通過系統(tǒng)學習，可測定摩擦事件征兆，實現(xiàn)了司鉆在卡管前，對管柱下入方式的校正。同時智能鉆桿、遠程專家決策支持中心、自動化鉆機等裝備在鉆井領域的應用，使自動化鉆井得到了質的飛躍。信息化水平即鉆井自動化技術的應用，使石油工程成本顯著降低，核心競爭力顯著提升。隨著鉆井智能化領的深入研究，人工智能在鉆井工程中的應用成為了可能，實現(xiàn)了智能化鉆井。機器人鉆井系統(tǒng)，集合了智能鉆臺與排管機器人等設備，臺工人、井架工等勞動力逐漸被取代。未來智能鉆機的連續(xù)性起下鉆、循環(huán)、送鉆、下套管等功能也愈發(fā)優(yōu)化。電動連續(xù)管鉆井系統(tǒng)的研發(fā)，可依靠智能連續(xù)管，不斷向井下供電，驅動鉆井系統(tǒng)開啟連續(xù)起下鉆、循環(huán)等功能，同時具備實時數(shù)據(jù)高效。大容量傳輸?shù)裙δ堋ｋ妱又悄苓B續(xù)管鉆井系統(tǒng)，成為了智能鉆井發(fā)展的主要方向。

1.3 生產(chǎn)運營

在生產(chǎn)運營方面，生產(chǎn)安全問題是主要制約因素，也是石油行業(yè)急需解決的問題。①機器學習預測模型的應用，能夠了解事故征兆。構建機器學習預測模型的同時，挖掘生產(chǎn)系統(tǒng)近幾年的設備裝置運行歷史，分析新增數(shù)，預測安全事故發(fā)生幾率并做出警示，為工程師調查、分析、處理安全問題提供了重要參照。②應用部署認知計算系統(tǒng)，可顯著優(yōu)化決策流程，同時提高生產(chǎn)效率。工程師可借助自然語言向系統(tǒng)，詢問生產(chǎn)設計、設施管理等相關的問題，利用云獲取專家知識，幫助做出決策。認知系統(tǒng)的應用，使工程師不必查找大量資料，直接向其詢問即可快速獲取想要的信息，問題解決效率顯著提升。

2 石油行業(yè)應用人工智能的對策

人工智能特征主要體現(xiàn)以下幾方面：①計算能力高要求，需借助圖形處理單元處理繁瑣的線性、非線性結構數(shù)據(jù)的。對此應用人工智能需具備財力支持設計圖形處理單元的計算平臺。②算法對人工智能發(fā)展尤為關鍵，也是重要基石。算法隨著人工智能的擴散而變得開源、通用。③數(shù)據(jù)是唯一應用門檻。人工智能的應用，離不開計算能力、算法，大量數(shù)據(jù)是訓練學習的主要工具，更是賦予人工智能處理、分析、解決問題的關鍵。石油行業(yè)想要利用人工智能，就需要掌握大量的數(shù)據(jù)、行業(yè)知識，實現(xiàn)人工智能的轉型，對此應做到以下幾點：

2.1 數(shù)據(jù)標準化

通過數(shù)據(jù)標準化，提高數(shù)據(jù)集成效力，信息化建設雖然積累了大量數(shù)據(jù)，受多種因素影響，數(shù)據(jù)標準化程度并不理想。即使通過ERP系統(tǒng)，實現(xiàn)了經(jīng)營管理數(shù)據(jù)的標準化，但生產(chǎn)領域數(shù)據(jù)相對忽視，致使企業(yè)數(shù)據(jù)質量、整合利用成效不理想，對此數(shù)據(jù)標準化尤為關鍵[2]。

2.2 數(shù)據(jù)自動采集

數(shù)據(jù)技術在石油行業(yè)設備中的應用微乎其微，雖然生產(chǎn)數(shù)據(jù)的傳感器配置齊全，但用于決策的數(shù)據(jù)少之又少。人工數(shù)據(jù)輸入在數(shù)據(jù)質量、監(jiān)督與審核方面并不理想，對此需配置大量的智能終端，不斷提升工作人員的工作效率。

2.3 強化數(shù)據(jù)整合

數(shù)據(jù)整合水平的提升，對數(shù)據(jù)綜合利用能力的提升有現(xiàn)實意義。石油企業(yè)方面，已經(jīng)確保了信息化全覆蓋，但數(shù)據(jù)散落在各系統(tǒng)、各部門，受數(shù)據(jù)管理理念落后等因素影響，考慮到信息安全問題，難以實現(xiàn)信息共享，致使數(shù)據(jù)整合成效難以提升。

2.4 數(shù)據(jù)的戰(zhàn)略運營

傳統(tǒng)企業(yè)數(shù)據(jù)管理方式，是業(yè)務部門擁有而IT部門管理數(shù)據(jù)模式，致使業(yè)務部門不會靈活運用數(shù)據(jù)，而IT部門不會管理數(shù)據(jù)的現(xiàn)象出現(xiàn)。在人工智能時代，數(shù)據(jù)作為核心資產(chǎn)應當實現(xiàn)戰(zhàn)略運營，而不是將數(shù)據(jù)作為信息系統(tǒng)產(chǎn)物常規(guī)化管理[3]。

3 總 結

目前人工智能在石油行業(yè)中的應用，正處于摸索性前進階段。隨著人工智能理論的完善，其在智能油田、鉆井、管道、煉廠等領域的實踐越發(fā)成熟，也是石油行業(yè)未來發(fā)展的重要方向。同時積極處理數(shù)據(jù)管理與利用低效問題，利用人工智能提高競爭力優(yōu)勢，成為領軍企業(yè)，繼而帶動石油行業(yè)穩(wěn)中求進。

參考文獻

[1]王小龍.淺析人工智能在油氣行業(yè)中的應用[J].現(xiàn)代信息科技，2017，1（2）：117～119.

[2]徐沐霖，邱 濤.人工智能在石油勘探中的應用[J].電子世界，2017（8）：142.

[3]于 波，夏玉軒.淺析中國石油開采技術以及其在石油開采中的應用[J].工業(yè)，2016（5）：249.

收稿日期：2018-8-3