淺析人工智能在智能油田建設(shè)中的應(yīng)用

馬麗 王祥祥 閆廣

摘要：人工智能技術(shù)在各行各業(yè)已經(jīng)得到了非常廣泛的應(yīng)用，油田在開(kāi)發(fā)過(guò)程中經(jīng)歷了多年的數(shù)字化建設(shè)，其中保留了大量的數(shù)據(jù)資產(chǎn)，利用人工智能分析可以提有效提取數(shù)據(jù)的價(jià)值，通過(guò)分析油田建設(shè)與人工智能的有效結(jié)合，提出相應(yīng)的改進(jìn)措施，有利于提高油田的快速發(fā)展。

關(guān)鍵詞：人工智能;智能油田;應(yīng)用

隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，油田企業(yè)經(jīng)過(guò)多年的信息化建設(shè)，已經(jīng)具備了信息的數(shù)字化發(fā)展，并且油田企業(yè)在建設(shè)過(guò)程中已經(jīng)積累了大量的數(shù)據(jù)資產(chǎn)，網(wǎng)絡(luò)信號(hào)的不斷提高，傳感器技術(shù)的增強(qiáng)，未來(lái)互聯(lián)網(wǎng)將帶動(dòng)數(shù)據(jù)的飛速發(fā)展，利用傳統(tǒng)的分析模式，很難將有效的數(shù)據(jù)進(jìn)行價(jià)值發(fā)掘，因此利用人工智能技術(shù)可以有效提高信息的價(jià)值，可以有效提高油田的經(jīng)濟(jì)效益和社會(huì)效益。

1問(wèn)題分析

1.1油田信息化存在的問(wèn)題

在系統(tǒng)建設(shè)方面，油田企業(yè)內(nèi)部擁有大量的信息管理系統(tǒng)，導(dǎo)致信息孤島情況非常嚴(yán)重，將不同的數(shù)據(jù)源整合在一起是非常困難的。同時(shí)，在數(shù)據(jù)收集方面由于數(shù)據(jù)質(zhì)量不同、數(shù)據(jù)損失嚴(yán)重，其主要的問(wèn)題在于傳感器無(wú)法得到普及，數(shù)據(jù)庫(kù)要進(jìn)行人工采集所造成的收集成本較高。傳感器在使用過(guò)程中受到外界因素的影響較多，很難將數(shù)據(jù)納入數(shù)據(jù)庫(kù)中，另外，油田企業(yè)的地下參數(shù)信息需要進(jìn)行實(shí)驗(yàn)室模型分析，因此所得到的數(shù)據(jù)本身會(huì)存在一定的誤差。

1.2技術(shù)優(yōu)勢(shì)企業(yè)

油田屬于國(guó)家的自然能源資產(chǎn)，在數(shù)據(jù)采集會(huì)涉及到多方面的限制，最發(fā)達(dá)的互聯(lián)網(wǎng)技術(shù)很難滲透到油田的數(shù)據(jù)中，與互聯(lián)網(wǎng)的合作僅限于銷(xiāo)售層面，很難對(duì)油田的開(kāi)發(fā)造成影響。而在油田企業(yè)內(nèi)部，有關(guān)于人工智能化方向的專(zhuān)家較少，因此油田企業(yè)缺乏相關(guān)性人才。

1.3解決方案

以上這些問(wèn)題在短時(shí)間內(nèi)無(wú)法進(jìn)行有效解決，只有通過(guò)多方面的協(xié)調(diào)操作才能夠發(fā)生改變。但是隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，使油田的數(shù)據(jù)信息發(fā)揮出了有效價(jià)值。油田企業(yè)想要大規(guī)模應(yīng)用人工智能技術(shù)，就需要對(duì)互聯(lián)網(wǎng)、云計(jì)算等技術(shù)進(jìn)行一體化應(yīng)用，將各種信息系統(tǒng)進(jìn)行有效融合，才能夠取得較好的成績(jī)。

但是目前在油田企業(yè)中，只是在某一方面可以做到數(shù)據(jù)資源的整合，通過(guò)人工智能算法可以得到階段性的模型，在一定程度上能夠指導(dǎo)油田進(jìn)行生產(chǎn)，從而獲取更多具有價(jià)值性的信息，從而逐漸向大規(guī)模的方向進(jìn)行延伸。

2分析目標(biāo)的選擇

2.1業(yè)務(wù)角度

油田主要采取的增產(chǎn)措施為壓裂、酸化、堵水等技術(shù)。目標(biāo)可以劃分為降本、增效兩個(gè)方面。降本可以有效降低油田在開(kāi)采過(guò)程中的施工費(fèi)用，延長(zhǎng)設(shè)備的使用周期，降低安全事故的發(fā)生概率，防止油田儲(chǔ)層發(fā)生破壞。增效是只有僅在單位時(shí)間內(nèi)的產(chǎn)油量，實(shí)現(xiàn)目標(biāo)的最大值。

不同的增產(chǎn)措施，適用于不同的儲(chǔ)存結(jié)構(gòu)，因此應(yīng)當(dāng)結(jié)合油井在開(kāi)采過(guò)程中的歷史數(shù)據(jù)，建立產(chǎn)量預(yù)測(cè)模型，預(yù)測(cè)不同措施所帶來(lái)的增產(chǎn)效果，從而為油井的開(kāi)采提供指導(dǎo)性建議。

通過(guò)分析油井在開(kāi)采過(guò)程中的運(yùn)行狀態(tài)，建立參數(shù)與問(wèn)題的關(guān)系模型，對(duì)即將發(fā)生的異常情況進(jìn)行預(yù)警，可以有效延長(zhǎng)生產(chǎn)時(shí)間提高油井產(chǎn)量，降低油井設(shè)備的維護(hù)費(fèi)用。

不同的開(kāi)采目標(biāo)具有不同的算法，目標(biāo)值具有離散值和連續(xù)值，人工智能算法分為分類(lèi)和回歸，異常狀態(tài)預(yù)警屬于分類(lèi)問(wèn)題，產(chǎn)量預(yù)測(cè)屬于回歸問(wèn)題。

2.2分析方法角度

對(duì)人工智能不了解的人，很難提出準(zhǔn)確的目標(biāo)。只有提出合適的目標(biāo)，才能夠有助于在各個(gè)方面的滿(mǎn)意結(jié)果。人工智能在油田中應(yīng)用的初始階段，需要利用人與機(jī)器進(jìn)行有效配合才能夠完成，人對(duì)機(jī)器所能做的事情越了解，這機(jī)器的學(xué)習(xí)性就會(huì)越好，機(jī)器的算法才能夠充分體現(xiàn)出人的意圖，找到合適目標(biāo)，需要對(duì)業(yè)務(wù)類(lèi)型本身具有一定的了解。行業(yè)專(zhuān)家可以利用經(jīng)驗(yàn)提出出數(shù)據(jù)是否與目標(biāo)具有相關(guān)性，而人工智能專(zhuān)家可以判斷出現(xiàn)有的數(shù)據(jù)量以及算法模型能否達(dá)到預(yù)期效果。

3具體實(shí)現(xiàn)

3.1數(shù)據(jù)采集

數(shù)據(jù)采集是人工智能的第一個(gè)環(huán)節(jié)，數(shù)據(jù)質(zhì)量會(huì)直接影響到后續(xù)相關(guān)工作的處理結(jié)果。然而在實(shí)際工作過(guò)程中，很難建立一個(gè)完美的數(shù)據(jù)庫(kù)。準(zhǔn)確全面的儲(chǔ)存與目標(biāo)相關(guān)的全部數(shù)據(jù)，需要通過(guò)數(shù)據(jù)專(zhuān)家進(jìn)行主動(dòng)采集數(shù)據(jù)，現(xiàn)實(shí)中的數(shù)據(jù)往往存在各種數(shù)據(jù)庫(kù)、管理信息系統(tǒng)，數(shù)據(jù)格式通常情況下是以非結(jié)構(gòu)化為主，甚至還會(huì)包含私有格式數(shù)據(jù)，專(zhuān)家需要了解到數(shù)據(jù)所在的位置、格式、采集方式相關(guān)性等情況。不同行業(yè)的數(shù)據(jù)信息需要不同的專(zhuān)家進(jìn)行了解，只有在整個(gè)過(guò)程中了解全部的相關(guān)性數(shù)據(jù)，處理好數(shù)據(jù)權(quán)限，降低數(shù)據(jù)風(fēng)險(xiǎn)才能夠得到最為滿(mǎn)意的數(shù)據(jù)庫(kù)。

3.2數(shù)據(jù)處理

在數(shù)據(jù)收集完成之后，需要對(duì)各項(xiàng)數(shù)據(jù)的來(lái)源和意義進(jìn)行有深入化的了解，數(shù)據(jù)中的價(jià)值才有可能被應(yīng)用到數(shù)據(jù)模型中，減少數(shù)據(jù)在處理過(guò)程中的丟失現(xiàn)象。在數(shù)據(jù)處理過(guò)程中最為重要且最困難的一個(gè)環(huán)節(jié)是將不同的數(shù)據(jù)整合在一起，形成訓(xùn)練模型。結(jié)構(gòu)化的數(shù)據(jù)主要以主鍵的方式進(jìn)行結(jié)合。在數(shù)據(jù)轉(zhuǎn)換過(guò)程中，要盡可能的保留數(shù)據(jù)信息，不同的數(shù)據(jù)規(guī)模所使用的算法類(lèi)型會(huì)有所不同，數(shù)據(jù)處理的目標(biāo)是保留數(shù)據(jù)中最為重要的信息量，丟棄對(duì)數(shù)據(jù)模型有影響的參數(shù)和樣本，輸出格式符合訓(xùn)練模型的輸入要求。

3.3特征工程

由于計(jì)算機(jī)技術(shù)具有無(wú)線的傳輸功能，因此將海量的數(shù)據(jù)信息交給一個(gè)復(fù)雜的學(xué)習(xí)模型可以有效解決問(wèn)題。在實(shí)際應(yīng)用過(guò)程中，并不需要一個(gè)精度很高的預(yù)測(cè)模型，而是能夠通過(guò)模型，我們能夠了解到所需要學(xué)習(xí)的東西，在進(jìn)行人工智能方面利用信息特征可以有效提高油田智能化的建設(shè)，為油田企業(yè)的發(fā)展奠定基礎(chǔ)，幫助油田企業(yè)實(shí)現(xiàn)智能化的管理。

4結(jié)束語(yǔ)

結(jié)合油田不同的業(yè)務(wù)需要建立不同的模型，利用油田所積累的大量數(shù)據(jù)，建立訓(xùn)練模型和優(yōu)化模型，為工作人員提供準(zhǔn)確的預(yù)測(cè)結(jié)果，將專(zhuān)家的經(jīng)驗(yàn)和先進(jìn)的分析方法進(jìn)行結(jié)合，能夠?qū)崿F(xiàn)油田企業(yè)的可持續(xù)化發(fā)展。目前人工智能在油田領(lǐng)域的應(yīng)用還處于發(fā)展階段，如果想要實(shí)現(xiàn)大面積的推廣，就需要經(jīng)過(guò)不斷的努力。

參考文獻(xiàn)

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

[2]馬慶;張永峰;宋波;吳運(yùn)馳;.淺析人工智能方法在油田措施領(lǐng)域的應(yīng)用[J].信息技術(shù)與信息化，2019：183-185.

[3]施沖.淺析人工智能技術(shù)在智能建筑中的應(yīng)用[J].建筑與裝飾，2017

1長(zhǎng)慶油田分公司第十一采油廠? 甘肅省? 慶陽(yáng)市? 745000

2長(zhǎng)慶石油勘探局有限公司通信處? 陜西省? 西安市? 710000