三相分离器,水套加热炉,节流管汇

油气田数据采集系统的研究有哪些进展

　　1.油气田数据采集系统人工智能在各个行业的发展

　　2008年，在世界10家较有价值的公司中，石油公司占了5家，到了2018年，前10家较有价值的公司已由石油公司为主体转变为互联网(数据)公司为主体。如Alphabet(Google的母公司)、亚马逊(Amazon)、苹果(Apple)、脸书(Facebook)和微软(Microsoft)是当前全球估价较高的5家上市公司。

　　2.油气田数据采集系统人工智能在油气勘探开发中的应用

　　(1)岩心岩相分类。在核心分析领域，深度学习算法主要用于图像识别。目前，利用岩心CT扫描图像数据作为机器学习和训练卷积神经网络(CNN)的训练数据集，岩相分类结果的预测准确率可超过90%。

油气田数据采集系统

　　(2)测井曲线解释。人工智能的发展，特别是深度学习神经网络，可以自主学习曲线特征，避免人工提取的误差。它不仅能自动识别岩性、岩石类型和沉积微相，还能自动解释储层物性参数。

　　(3)地震资料解释。充分利用大量地震数据获取地下信息是深度学习的关键方向之一。基于深度卷积生成对抗网络的叠前地震波形分类方法，既保留了深度卷积神经网络的特征提取能力，又通过标记数据辅助训练有效提高了识别精度。

　　(4)油气甜点预测。在非常规油藏开发过程中，通过射孔和水力压裂层位信息与油气生产数据的关联，可以建立层位与生产数据之间的关联规则，然后利用聚类算法分析确定甜点层位。基于该方法，对美国巴肯页岩中的数千种页岩油进行了分析，甜点区预测符合率超过85%。

　　(5)生产动态历史拟合和数值模拟预测。近年来，提出了一种基于深度学习的数据驱动历史拟合方法，预测结果比模型驱动历史拟合方法更可靠。

　　(6)井资料驱动油气藏产量预测。如楚克武马利用深度学习预测流体参数，输入初始压力、饱和压力、溶解气油比、地层体积系数、系统压缩性、油密度、气密度、原油粘度等数据，训练后可用于预测其他井的饱和压力、地层体积系数、气体压缩性。