基于大数据的测井智能解释系统开发与应用

　　摘　要：人工智能技术在测井解释中的应用由来已久，但单方法应用研究多，系统集成应用少。当今云计算、大数据和人工智能技术的规模应用，再次推动了测井解释智能化发展。以多学科数据融合的数据湖为基础，在专业软件的基础上进行智能解释模块开发，将测井智能解释引入到传统的解释流程中，辅助测井分析人员快速挖掘隐藏的高价值信息。利用大数据治理工具将数据湖连接到智能模型，实现大数据与智能算法融合。通过系统开发实现基于大数据的智能解释模型和传统专业软件的集成，搭建基于地质图件导航的测井智能解释环境，形成地质、油藏背景下的智能化测井解释工作模式，增强测井评价复杂储层的能力，提高工作效率。

　　关键词：大数据;智能算法;测井解释;智能解释环境

　　0引言

　　人工智能技术作为第四次工业革命的重要推动力,是大数据、算法和算力的重要结合，给各行各业带来了革命性的变革，也为测井技术的发展提供了强大的技术支持。测井技术的应用深度与广度主要取决于资料解释的信息丰度，其中的重要环节依赖于解释方法与软件的开发[1-3]。

　　目前，国内外测井解释软件功能齐全、种类繁多，促进了解释技术进步，提高了测井解释水平，解决了一批测井解释评价的难题。但是随着勘探开发目标的日益复杂化和隐蔽化，现有的解释方法和软件难以准确描述储层的复杂状态[4]。测井对储层的非线性响应，导致处理解释质量不高，要准确研究非均匀地层测井信息所蕴含的地质信息，需要研发新的测井解释方法[5]。

　　人工智能作为一种改进计算机求解问题的方法[1]，可以弥补传统解释方法的不足，使测井分析人员摆脱大量低知识层次的分析工作。将人工的知识和经验系统化、条理化形成“智能助手”，帮助测井分析人员解决更深层次的地质问题。为此，国内外进行了大量的实践。斯伦贝谢公司推出的DELFI勘探开发认知环境，将复杂的数值模拟、数据分析等变得智能和快捷。国内也在积极探索适合中国特色的测井智能化解释道路，这给传统测井解释技术发展带来了新动能和良好的发展前景[6-8]。

　　20世纪，中国测井科技工作者在人工智能单方法应用和专家系统开发等方面都取得了重要的研究成果[9-22]。然而，这些成果并没有及时地转化为生产力。究其原因是缺乏两个关键环节，一是缺少足量的专业大数据作为智能计算的基础;二是缺少符合测井智能解释业务的集成应用环境。前人取得的研究成果为测井智能解释系统的开发和应用奠定了基础。按照测井解释软件走集成化道路[3]的思路，长庆油田通过系统开发和应用环境搭建，实现了大数据、人工智能和测井解释软件的集成应用。将“数据”“算法”“场景”3个关键要素有机结合，形成了基于大数据的测井智能解释环境，提高了测井参数计算精度和流体识别准确率，提升了测井分析效率，促进了测井解释由单井解释向多井评价、油藏分析转变。

　　1总体思路和系统架构

　　1.1总体思路

　　测井解释软件是测井资料处理与解释的重要工 具和载体，是运用各种现代技术综合解决地质问题的重要手段，是测井解释技术能力的综合体现，也是衡量测井技术水平的一个重要指标[8]。斯伦贝谢公司在Techlog解释软件中开发了主成分分析、回归、聚类、决策树、神经网络等智能功能模块。这些模型的训练样本主要是软件的工区数据，一方面数据量不足，另一方面针对算法的数据预处理较少，导致应用受限。DELFI系统建立了跨专业协同工作环境，采用开放式的软件开发模式，通过Studio集中管理Techlog与Petrel、ECLIPS等地质、油藏软件的数据，实现了地质、工程业务智能化与协同化。然而，涉及国家地质数据的安全问题，中国不能像引进专业软件一样引进DELFI系统，只能走自主研发的道路。

　　长庆油田经过10余年的数字化油田建设，建成了数字化油气藏研究系统(RDMS)[6]，盘活了15万余口井的地质、钻井、测井、录井、分析化验、试油(气)等多学科数据。RDMS实现了专业数据自由推送、实时关联、在线可视等基础功能;开发的基于地质图件的数据导航系统(CQGIS)实现了多学科数据自动收集、整理，以及软件的无缝衔接[23-25]，这些建设成果逐渐成为大数据技术应用的基础。针对测井软件开发的数据接口打通了数据湖的通道，通过以专业软件为基础开发大数据治理工具，实现样本数据快速提取[26-30]。在专业软件中开发智能解释模块，将智能应用引入到传统测井解释流程中，实现专业软件、智能应用和数据湖的耦合集成。在RDMS、CQGIS和解释软件之间，搭建起以地质、油藏为约束的测井智能化解释评价环境。

　　1.2系统架构

　　系统自下而上由数据层、功能层和应用层组成，从功能上分为样本数据治理、数据综合分析、模型训练与优选、模型评估与管理，应用上分为建模应用和极简应用。在数据层开发数据解编模块处理测井数据体，实现测井数据与试油、岩心分析、录井等资料的数据模型和数据结构统一。数据治理工具在深度域上进行数据治理，完成连续数据和离散数据的匹配。解释人员通过专业软件选择储层特征数据，并依据试油结论给特征数据打上标签，将这些数据按层位存入样本数据库。进入样本库的数据可直接用于模型训练与优化，形成用于测井参数计算和流体识别的智能模型，通过模型优选，组合成针对性推荐智能模型组，供用户调用。

　　2测井大数据治理

　　在专业解释软件的基础上开发大数据治理工具，实时绘制测井专业图件，对多专业数据进行快速集成和直观展示，对数据进行补全、融合、抽取等治理。让专家用户专注于储层特征的分析、选取和打标签工作。通过开发数据接口，在数据湖中自动收集井基本信息(如坐标、钻井液、钻头等信息)、地质分层、试油、录井、分析物性等数据，并自动转换为数据治理工具的数据格式，批量推送到治理工具;专业软件调用测井绘图模板直接成图，并可以自由补充其他数据，完成特征匹配和数据检查后，选择储层特征值，打上相应标签(如油层、油水同层、差油层、含油水层、干层、泥岩、砂岩、煤、隔夹层等)。最后，一键式自动提取目标井基本信息、单点数据、特征值、试油数据、岩心分析数据等，并批量提交入库。以上过程构成了测井大数据治理流程。

　　3智能模型训练和管理

　　经过长期的研究和实践，前人[9-22]将有监督学习、无监督学习、强化学习等算法纷纷引入到测井解释中，形成了各具特色的应用技术。由于样本数据量较少，数据缺乏精细的预处理，导致模型泛化能力较低，距工业化应用存在一定距离。本次系统开发将这些成果进行了优化集成，开发了“模型参数自动寻优”“模型组合优化推荐”“专业图件在线绘制”“应用效果实时展示”等功能模块，实现了智能算法集成应用。

　　3.1智能模型训练

　　结合测井解释业务特点，对支持向量机、K-近邻、神经网络等算法进行优化，使智能算法与传统解释理念融合。通过集成TensorFlow深度神经网络算法[31-32]，保证系统功能可扩展。以上算法的核心原理及训练方法成熟可靠，在系统开发过程中主要在数据预处理和模型自动训练方面做了大量工作。

　　4测井智能解释应用场景

　　智能系统要在传统石油行业中发挥作用,必须与专业应用场景结合。通过数据接口软件将数据治理工具与区域数据湖连接起来，可以自由调取海量的专业数据。开发应用接口将CQGIS地质图件导航系统与测井智能解释软件连接起来，支撑起极简应用和建模应用，形成具有长庆特色的“RDMS+智能计算”的测井智能解释环境。

　　5应用效果

　　测井智能解释系统的成功开发和落地应用，强化了地质、油藏对测井评价的指导作用，基本实现了测井解释的自动化、智能化。该系统在参数计算和流体识别等方面的精度都达到或超过了人工解释，智能评价结果与试油、投产等数据更加匹配，初步具备了辅助人工进行流体识别和油藏评价的能力，实现了多井批量处理，大幅提高了测井解释的工作效率。H369井是鄂尔多斯盆地西部的一口老井，其地理位置远离样本井分布范围，且在H369井周围仅有3口邻井。该井2631.5～2634.6m人工解释结论是含油水层。

　　岩屑录井描述为1.3m油迹和0.5m油斑。对该含油水层进行射孔，试油日产21.5t油和56.1m3水，试油结论为油水同层，人工解释出现了较大失误。在极简应用模式下，自动处理得到的智能解释结果为油水同层，与人工解释结论截然相反，但是与试油结果一致。智能计算孔隙度、渗透率和饱和度与人工计算结果接近，与岩心分析物性数据匹配较好，符合岩石物理规律。该系统利用支持向量机识别流体性质，神经网络计算孔隙度，K-近邻模型计算渗透率和饱和度，这些模型组合成一个智能模型组，同时完成4个方面的工作，不但提高了测井解释效率，计算结果也满足测井评价需要。

　　6结语

　　随着大数据和计算机技术的飞跃发展，机器学习、深度学习等人工智能技术在测井解释中的应用，要快速走出前人的研究和试验阶段，进入高速发展阶段，当前正是进行测井解释智能化升级的最佳时期。中国测井解释软件走的是集成化发展道路，取得了较大的成功。

　　智能化应用作为测井解释评价的一种手段，一方面要兼顾与测井解释软件的融合，另一方面还要具备较强的开放性，要将近年来测井专业信息化建设和智能化应用成果集成起来，形成开放性的测井智能应用环境。通过“数据”“算法”“场景”三者有机融合，构建“大数据+智能计算+专业软件”的测井智能解释应用环境。

　　建筑论文投稿刊物：《测井技术》(双月刊)创刊于1977年，由中国石油集团测井有限公司主办。宗旨：总结、交流我国测井行业的科研成果和生产经验，介绍国外先进测井技术，促进我国测井技术的发展，满足石油工业勘探开发需要。《测井技术》内容涵盖测井技术的理论研究、实验分析、仪器设计与数据采集、测井资料分析处理、石油地质解释、动态监测技术、软件开发、射孔技术以及科技信息动态等，覆盖了与测井相关的各个领域。

　　利用智能模型通过大数据分析提高测井参数计算和流体识别精度;通过信息化系统打通测井评价各专业之间的数据壁垒，实现数据的自动收集、转换和推送，完成外围数据准备工作，提升测井评价效率;在专业软件里实现智能解释与传统岩石物理解释结合，互为补充，提升测井评价整体效果。测井智能解释在长庆油田的应用实践表明，这条智能化发展道路是正确的，有利于测井智能应用生态进一步发展。

　　参考文献

　　[1]曾文冲.现代测井技术发展趋势的分析[J].测井技术，1989,13(1):1-11.ZengWenchong.Ananalysisofthedevelopmenttrendofmodernloggingtechnique[J].WellLoggingTechnology,1989,13(1):1-11.

　　[2]李乐中，张立.斯伦贝谢公司解释系统及软件介绍[J].国外测井技术，1992,7(1):111-113.LiLezhong,ZhangLi.Introductiontointerpretationsystemandsoftwareofschlumberger[J].WorldWellLoggingTechnology,1992,7(1):111-113.

　　[3]陆大卫，张世刚.测井软件走集成化道路[J].测井技术，1996,20(1):5-11.LuDawei,ZhangShigang.Onintegrationofwellloggingsoftware[J].WellLoggingTechnology,1996,20(1):5-11.

　　[4]李浩，刘双莲，魏修平.浅析我国测井解释技术面临的问题与对策[J].地球物理学进展，2010,25(6):2084-2090.

　　作者：石玉江1　刘国强2　钟吉彬3　王　娟3　张文静3

转载请注明来自发表学术论文网：http://www.fbxslw.com/jzlw/26004.html