当岩石物理学遇见大数据:机器能做些什么?

• 作者: Chicheng Xu Poorna Srinivasan Shouxiang Ma Siddharth Misra 杜东
• 来源期刊: 石油科技动态
• 年，卷（期）: 2019,（12）
• 页码范围: 1-16
• 页数: 16页
• 语种: 中文

摘要

岩石物理学是联系石油工程和地球科学的关键性学科,可为油藏描述和开发提供指导.新型传感器技术已能将大量多尺度、高维岩石物理数据实时传入数据库.岩石物理数据类型非常多样,包括数值曲线、数组、波形、图像、图、三维数据和文本.所有类型的数据均可与深度(连续或离散)或时间进行关联.岩石物理数据具备大数据的所有特性,即“7V”—Volume(大量,即海量的数据规模),Velocity(速度,即快速的数据传输),Variety(多样性,即多样的数据类型),Variability(可变性,即数据含义可变),Veracity(真实性,即数据不确定度较高),Visualization(可视化,即可进行可视化处理),Value(价值,即价值密度低).本文将综述岩石物理学大数据分析机器学习应用的理论与实践.最近的文献出版情况表明,岩石物理数据驱动分析(Petrophysical Data-Driven Analytics,PDDA)已经成为岩石物理学研究领域的一个活跃分支.本文将引用岩石物理学文献中的现场实例说明机器学习在如下技术领域的应用优势:(1)沉积相分类或岩石物理相分类;(2)岩石地震属性预测或岩石物理建模;(3)岩石物理/地球化学/岩石力学参数预测;(4)测井响应快速模拟;(5)井监测和储层监测;(6)自动化数据质量控制;(7)生成伪数据;(8)测井或取心作业指导.未来机器学习可能会为岩石物理学研究带来根本性改变,本文将对其需要克服的主要挑战进行综述.首先,需要建立将机器学习应用于岩石物理学解释的完善的理论基础;第二,必须评价并测试现有机器学习算法在不同类型岩石物理学解释任务中的实用性;第三,需要对机器学习算法所用数据进行质量控制,并且需要以适当的方式处理相关不确定性.本文将展望在第四次工业革命(IR4.0)时代使这项先进的数据分析方法可用于解决复杂油田问题的未来机遇.