孟軍曉 周世鑫 吳斌 林超
中海石油(中國(guó))有限公司天津分公司 天津 300450
目前我國(guó)人工智能技術(shù)的主要代表是模糊邏輯(FUZZYLOGIC)、專家系統(tǒng)(ES)、人工神經(jīng)網(wǎng)絡(luò)(ANNS)技術(shù),它們?cè)谑涂碧筋I(lǐng)域中得到了廣泛的運(yùn)用,逐漸融入到了石油勘探工程的每一個(gè)步驟。人工智能技術(shù)能夠在多方面為操作人員提供更加準(zhǔn)確與高效的服務(wù),比如它能準(zhǔn)確地預(yù)測(cè)出石油的開采量、對(duì)石油層進(jìn)行對(duì)比與分析、NMR的實(shí)時(shí)測(cè)井?dāng)?shù)據(jù)的反演、對(duì)剩余油的分布狀況進(jìn)行精準(zhǔn)的預(yù)測(cè)。
人工智能的發(fā)展將會(huì)帶動(dòng)整個(gè)石油勘探領(lǐng)域的發(fā)展,而在實(shí)際的勘探作業(yè)中充分融入人工智能是必然的。企業(yè)想要最大程度地發(fā)掘人工智能在石油勘探領(lǐng)域中的潛能,必定需要通過多種實(shí)踐進(jìn)行成果的累積與分析。通過將模糊邏輯與神經(jīng)網(wǎng)絡(luò)之間的相互結(jié)合,裂隙性油藏的分析得到廣泛的關(guān)注。在將神經(jīng)網(wǎng)絡(luò)與模糊邏輯相結(jié)合的情況下,還能對(duì)測(cè)井?dāng)?shù)據(jù)進(jìn)行篩選,從而展開對(duì)油藏特性的深入研究,建立起實(shí)踐的分析模型與體系,并將該方法運(yùn)用在實(shí)際的石油勘探中,進(jìn)而得到了更加準(zhǔn)確的結(jié)果。
通過數(shù)據(jù)標(biāo)準(zhǔn)化,提高數(shù)據(jù)集成效力,信息化建設(shè)雖然積累了大量數(shù)據(jù),但受多種因素影響,數(shù)據(jù)標(biāo)準(zhǔn)化程度并不理想。即使通過ERP系統(tǒng),實(shí)現(xiàn)了經(jīng)營(yíng)管理數(shù)據(jù)的標(biāo)準(zhǔn)化,但生產(chǎn)領(lǐng)域數(shù)據(jù)相對(duì)忽視,致使企業(yè)數(shù)據(jù)質(zhì)量、整合利用成效不理想,對(duì)此數(shù)據(jù)標(biāo)準(zhǔn)化尤為關(guān)鍵。
數(shù)據(jù)技術(shù)在石油行業(yè)設(shè)備中的應(yīng)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(zhì)量、監(jiān)督與審核方面并不理想,對(duì)此需配置大量的智能終端,不斷提升工作人員的工作效率[1]。
數(shù)據(jù)整合水平的提升,對(duì)數(shù)據(jù)綜合利用能力的提升有現(xiàn)實(shí)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(shí)現(xiàn)信息共享,致使數(shù)據(jù)整合成效難以提升。
傳統(tǒng)企業(yè)數(shù)據(jù)管理方式,是業(yè)務(wù)部門擁有而IT部門管理數(shù)據(jù)模式,致使業(yè)務(wù)部門不會(huì)靈活運(yùn)用數(shù)據(jù),而IT部門不會(huì)管理數(shù)據(jù)的現(xiàn)象出現(xiàn)。在人工智能時(shí)代,數(shù)據(jù)作為核心資產(chǎn)應(yīng)當(dāng)實(shí)現(xiàn)戰(zhàn)略運(yùn)營(yíng),而不是將數(shù)據(jù)作為信息系統(tǒng)產(chǎn)物常規(guī)化管理。
人工智能應(yīng)用應(yīng)采取近期發(fā)展戰(zhàn)略和遠(yuǎn)期發(fā)展戰(zhàn)略相結(jié)合、點(diǎn)和面相結(jié)合的原則,在頂層設(shè)計(jì)、數(shù)據(jù)管理、研發(fā)布局、人才培養(yǎng)、價(jià)值提升等方面統(tǒng)籌考慮,實(shí)現(xiàn)創(chuàng)新協(xié)同發(fā)展。近期發(fā)展戰(zhàn)略是強(qiáng)化認(rèn)識(shí),跟跑學(xué)習(xí),特別是要提升各級(jí)管理層的認(rèn)識(shí)與知識(shí)水平。以業(yè)務(wù)應(yīng)用為主、跟進(jìn)基礎(chǔ)研究,以點(diǎn)帶面,逐步推廣,配套制度建設(shè),構(gòu)建科學(xué)完善的人工智能應(yīng)用體系。
具體包括以下幾個(gè)方面:①強(qiáng)化頂層設(shè)計(jì)。一是行業(yè)層面,院士、管理者、資深專家可聯(lián)合倡議,使各大油企能夠統(tǒng)一認(rèn)識(shí),有效協(xié)同,充分發(fā)揮社會(huì)主義市場(chǎng)經(jīng)濟(jì)條件下的新型舉國(guó)體制優(yōu)勢(shì);二是在企業(yè)層面,應(yīng)堅(jiān)持業(yè)務(wù)導(dǎo)向、問題導(dǎo)向、目標(biāo)導(dǎo)向,一體化設(shè)計(jì)、一體化組織、一體化推進(jìn),打通數(shù)據(jù)流,重構(gòu)業(yè)務(wù)流,實(shí)現(xiàn)企業(yè)管理模式的創(chuàng)新、變革、轉(zhuǎn)型;三是在專業(yè)層面,應(yīng)“軟”、“硬”兼施,以建推用、以用促建,以用為先,迭代推進(jìn)[2]。②加強(qiáng)數(shù)據(jù)治理?!皵?shù)據(jù)大”不等于“大數(shù)據(jù)”,標(biāo)準(zhǔn)規(guī)范的數(shù)據(jù)和訓(xùn)練樣本庫是人工智能應(yīng)用的基礎(chǔ),人工智能應(yīng)用應(yīng)當(dāng)將數(shù)據(jù)治理放到首位,統(tǒng)一數(shù)據(jù)標(biāo)注、推進(jìn)數(shù)據(jù)互通,加強(qiáng)數(shù)據(jù)治理,進(jìn)一步建立數(shù)據(jù)信任機(jī)制和管理模式,提升數(shù)據(jù)共享的規(guī)范性與合規(guī)性。③重視人才培養(yǎng)。人工智能算法工程師與油田工程師之間往往存在“聽不懂、說不清、合不來”現(xiàn)象,在數(shù)字化向智能化轉(zhuǎn)化的進(jìn)程中,導(dǎo)致不同程度存在“建得多、用得少”的問題。同時(shí),由于石油勘探開發(fā)和人工智能這兩個(gè)領(lǐng)域所涵蓋的學(xué)科太廣,復(fù)合型人才培養(yǎng)難度大、周期長(zhǎng)。因此,應(yīng)當(dāng)加強(qiáng)校企合作、石油企業(yè)與IT企業(yè)的深度合作來培養(yǎng)復(fù)合型人才。④推進(jìn)合作共享。應(yīng)探索建立“跨行業(yè)、跨企業(yè)、跨專業(yè)”的創(chuàng)新聯(lián)合體,推進(jìn)油企與IT企業(yè)之間、傳統(tǒng)油企之間、不同專業(yè)之間的跨界融合,實(shí)現(xiàn)邊界突破,構(gòu)筑完善的石油工業(yè)智能技術(shù)研發(fā)體系。⑤實(shí)現(xiàn)算法自主。經(jīng)過了信息化建設(shè)階段,油氣行業(yè)已經(jīng)形成且每時(shí)每刻還在形成的海量數(shù)據(jù)已經(jīng)基本可控,網(wǎng)絡(luò)和節(jié)點(diǎn)支撐了一定的算力,應(yīng)加強(qiáng)對(duì)核心算法的研究攻關(guān),形成具有自主知識(shí)產(chǎn)權(quán)的算法體系,為石油工業(yè)智能化發(fā)展提供基礎(chǔ)支撐[3]。
綜上所述,隨著我國(guó)經(jīng)濟(jì)和科學(xué)技術(shù)的快速發(fā)展,石油工程領(lǐng)域在應(yīng)用人工智能技術(shù)時(shí),石油企業(yè)并不是打破當(dāng)前石油工程生產(chǎn)運(yùn)營(yíng)模式以及生產(chǎn)思維,而是需要管理人員及時(shí)轉(zhuǎn)變思維模式,更好地適應(yīng)時(shí)代科學(xué)技術(shù)發(fā)展趨勢(shì),不斷創(chuàng)新石油工程生產(chǎn)和管理模式。石油企業(yè)在發(fā)展過程中,為了提升自身品牌形象逐漸提高在行業(yè)中的核心競(jìng)爭(zhēng)力,需要管理人員合理融合創(chuàng)造力以及創(chuàng)新思維戰(zhàn)略。通過對(duì)人工智能技術(shù)進(jìn)行科學(xué)應(yīng)用,可以確保石油企業(yè)更好地適應(yīng)社會(huì)的發(fā)展,并給企業(yè)創(chuàng)造更多利益。