| 知识与数据融合驱动的油气藏智能表征及研究进展 |
| |
| 引用本文： | 张国印,林承焰,王志章,任丽华,张宪国,曲康,张向博.知识与数据融合驱动的油气藏智能表征及研究进展[J].地球物理学进展,2024(1):119-140. |
| |
| 作者姓名： | 张国印 林承焰 王志章 任丽华 张宪国 曲康 张向博 |
| |
| 作者单位： | 1. 中国石油大学(华东)地球科学与技术学院;2. 深层油气全国重点实验室;3. 山东省油藏地质重点实验室;4. 中国石油大学(北京)地球科学学院 |
| |
| 基金项目： | 国家自然科学基金项目(42002144,42302153)；;中央高校基本科研业务费专项资金资助(22CX06002A)； |
| |
| 摘 要： | 油气藏是一个极其复杂的地下系统，油气藏表征是一个充满不确定性的科学与技术难题，主要基于知识驱动的传统油气藏表征理论与方法具有局限性，遇到众多难题和发展瓶颈.近年来，以深度学习为代表的人工智能技术广泛应用于油气藏表征问题研究中，并在特定问题上取得突破性进展，但是各方向研究相对分散，缺乏系统性理论认识，人工智能技术与专业领域知识的融合不足.本文提出知识与数据融合驱动的油气藏智能表征的理念与方法，基于油气藏数据特征，利用先进的人工智能技术，融合专业领域知识，充分挖掘油气藏大数据中隐含的有效信息，以实现更可靠、更高精度、更高效率的油气藏表征.同时对油气藏智能表征关键研究内容的最新进展综述，主要包括基于深度学习的测井智能储层评价、地震智能储层预测、储层智能随机建模等方面的研究进展，最后提出油气藏智能表征的发展展望.
|
| 关 键 词： | 油气藏表征 油气藏大数据 知识驱动 数据驱动 人工智能 深度学习 |
|
|
