论文部分内容阅读
摘要：想要高效地解决现实中的复杂问题，多学科、多技术、多领域之间地相互结合是解决问题的必要条件之一。在人工智能技术与地理信息系统技术的充分支持下，非万能的系统也能通过两者的技术支持进行集成，从而建立起全方面的人工智能石油勘探开发体系。在实际的操作过程中，智能化的石油勘探体系能够帮助操作人员对石油勘探作業中存在的大量问题进行及时的解决，通过使用其给出的解决方案，不仅能够在最大程度上降低石油勘探的风险，还能进一步地提升开发石油的效率，为企业节约了资源成本、人力成本、时间成本等。
关键词：人工智能;石油勘探;应用
1人工智能技术在石油勘探中的运用现状
目前人工神经网络（ANNS）技术、模糊逻辑（FuzzyLogic）和专家系统（ES）已经成为了人工智能技术的主要代表技术应用情况是比较活跃的，而且其已逐渐渗入到了石油勘探开发的每一个操作环节。人工智能技术已经在对石油开采量的相关预测、石油层对比分析、NMR实时测井数据反演和剩余油分布研究等主要方面得到了更加深入的应用。我们可以很直观地从以上的案例汇总中得知：人工智能技术目前作为一种比较先进的技术类型，实际上我们如果能够成功地将其实践应用到石油勘探开发的领域，那么气具有特别大的潜力与发展空间。
2人工智能技术在实际运用过程中存在的问题
2.1数据接口缺乏统一性，较为分散
在人工智能技术的实际运用过程中，常常会出现智能模型在建立的过程中效率过低的问题，该问题较为复杂，对应的相关数据的处理效率也变低。这主要是由于一些数据模型和类型缺乏一定的统一性，对于这种缺乏统一性的数据模型，人工智能技术无法做到利用简单的方法将其进行更加便捷的输入，从而在一定程度上影响了人工智能技术在具体实践过程中数据初始化的建立过程。人工神经网络模型的建立必定需要多种的检验验证作为支撑，比如进行opfield网络技术、BP、SOM、LVQ等。其主要特征是通过对所得参数的多次调整与细致结果的精准对比，达到确定对应模型的目的。
2.2实现结果的可视化
在石油勘探开发的过程中，埋藏于地底的地质体是其主要分析与研究的对象。由于不同的地理环境，这些地质体所具有的结构、复杂程度也是不同的。比如地底裂隙网络的全面展示、存在于石油储层区域之间相关饱和度的分布状况、相关孔隙度、石油的渗透率等。想要更进一步地解决隐蔽在石油勘探领域中的绝大多数问题，可视化的融入是关键因素之一。因此，在人工智能化技术经过专业计算过之后，如何以一种可视化的方法，对该结果进行一定程度的叠加，并最大程度地将其运用于地质勘探的软件中依然是整个石油勘探领域需要不断探索的问题之一，在此过程中，相关的工作人员还需要进一步地思考如何在该基础上再次进行复杂的二次空间的分析、复杂图层的简便运算等。总而言之，人类在人工智能技术领域的探索还有着较大的进步空间。
3地理信息系统技术与人工智能技术的相互结合
针对我国目前人工智能技术与地理信息系统技术在石油勘探领域中存在的问题，企业应当对其进行一定程度的集成与综合的运用。人机的交互界面可以在一定程度上构建一个良好的系统，其主要思想是统一不同类型数据与不同模块类型之间交叉，统一其对应的数据接口。经过该步骤，可以初步实现集合多种流程处理方式的决策系统，该系统将绝大部分的处理流程与人工智能化技术进行结合，最大程度地保障了石油勘探开发决策系统的准确性。而这也是集成应用的最终目的;建立多功能化的人工智能决策系统。集成系统的最终服务对象是使用该系统的用户，他们所需求的信息必须具有一定的多元化与多学科性。所以最终的输出结果也具备这两点特性。除了帮助决策成员通过数据、图像、文字等进行更加准确的决策指令之外，集成系统还需要为相关工作人员提供三维与二维的图像。给出的地质体空间的展示，必须是建立在大量数据分析、智能分析结果之后的。由于数据的录入需要投入大量的人力与物力导致数据入库的效率太低，并且更新速度过慢;地理信息系统技术在石油勘探领域中还缺乏一定的专用模型库。虽然地理信息系统技术具有强大的数据存储与分析的功能，但没有一个专门针对于石油勘探领域的模块与方式;目前大多的软件主要集中于报表的编制、数据的查询与分析等，很少有涉及到数据挖掘与分析等技术的。在实际的石油勘探领域中，想要把人工智能技术与地理信息系统技术充分结合还需要更进一步的探索，以下是初步的方案：
3.1对综合性的数据进行集成与控制
综合性数据的集成与控制主要针对于普通关系型数据（ROD）、象型数据库（OOD），并将其作为一定的基础，与实际的数据标准再次进行一定的结合。其核心思想是通过实际的结合与运用，达到运用合理数据引擎的目的，并在此基础上构建多种数据的集成管理体系，最终实现数据库与数据库之间的灵活交叉功能。
3.2对挖掘成果进行高效的管理
为了能够实现对于一些运算过后的数据所得到的挖掘成果的高效管理，可以对一些模块、有指定目标对象的统一接口进行精准处理。
3.3根据实际情况进行智能化的处理与决策的分析
为了更加准确地建立起与之相对应的预测体系、分析体系，可以结合实际情况对其进行智能化的处理与智能化的决策分析。在开展相关的智能化研究与结果处理的过程中，可以将一些匹配度吻合的智能模块充分融入进去，便可准确地构建预测分析体系。不仅如此，在模型获得一定的预测结果之后，将其与该结果进行充分的融合或者充分融入进存在于空间数据库中的同区块区域。该方式为二次空间的分析与对应结果的探讨打下了一定的基础，最终工作人员可以结合自身的需求，从相关的决策系统中选择最为合理、最为高效的决策方案。
结束语
想要实现模式的辨别与以专业作为基础的高水平的应用，人工智能的融入是必须的。人工智能能够在最大程度上提升石油勘探开发软件的专业度，目前我国在该领域虽然取得了一定的进展，但由于一些客观的因素，还存在一些不足。对目前我国人工智能技术在石油勘探领域应用的现状进行了分析，将地理信息系统与人工智能相互结合，提出了相应的解决方案，希望对我国石油事业有所帮助。
参考文献：
[1]徐沐霖，邱涛.人工智能在石油勘探中的应用[J].电子世界，2017（08）：142.
[2]王宏琳.通向智能勘探与生产之路[J].石油工业计算机应用，2016，24（04）：7-20+3.
[3]胡柏.浅析大庆石油在石油开采中的技术应用[J].石化技术，2016，23（05）：117.
关键词：人工智能;石油勘探;应用
1人工智能技术在石油勘探中的运用现状
目前人工神经网络（ANNS）技术、模糊逻辑（FuzzyLogic）和专家系统（ES）已经成为了人工智能技术的主要代表技术应用情况是比较活跃的，而且其已逐渐渗入到了石油勘探开发的每一个操作环节。人工智能技术已经在对石油开采量的相关预测、石油层对比分析、NMR实时测井数据反演和剩余油分布研究等主要方面得到了更加深入的应用。我们可以很直观地从以上的案例汇总中得知：人工智能技术目前作为一种比较先进的技术类型，实际上我们如果能够成功地将其实践应用到石油勘探开发的领域，那么气具有特别大的潜力与发展空间。
2人工智能技术在实际运用过程中存在的问题
2.1数据接口缺乏统一性，较为分散
在人工智能技术的实际运用过程中，常常会出现智能模型在建立的过程中效率过低的问题，该问题较为复杂，对应的相关数据的处理效率也变低。这主要是由于一些数据模型和类型缺乏一定的统一性，对于这种缺乏统一性的数据模型，人工智能技术无法做到利用简单的方法将其进行更加便捷的输入，从而在一定程度上影响了人工智能技术在具体实践过程中数据初始化的建立过程。人工神经网络模型的建立必定需要多种的检验验证作为支撑，比如进行opfield网络技术、BP、SOM、LVQ等。其主要特征是通过对所得参数的多次调整与细致结果的精准对比，达到确定对应模型的目的。
2.2实现结果的可视化
在石油勘探开发的过程中，埋藏于地底的地质体是其主要分析与研究的对象。由于不同的地理环境，这些地质体所具有的结构、复杂程度也是不同的。比如地底裂隙网络的全面展示、存在于石油储层区域之间相关饱和度的分布状况、相关孔隙度、石油的渗透率等。想要更进一步地解决隐蔽在石油勘探领域中的绝大多数问题，可视化的融入是关键因素之一。因此，在人工智能化技术经过专业计算过之后，如何以一种可视化的方法，对该结果进行一定程度的叠加，并最大程度地将其运用于地质勘探的软件中依然是整个石油勘探领域需要不断探索的问题之一，在此过程中，相关的工作人员还需要进一步地思考如何在该基础上再次进行复杂的二次空间的分析、复杂图层的简便运算等。总而言之，人类在人工智能技术领域的探索还有着较大的进步空间。
3地理信息系统技术与人工智能技术的相互结合
针对我国目前人工智能技术与地理信息系统技术在石油勘探领域中存在的问题，企业应当对其进行一定程度的集成与综合的运用。人机的交互界面可以在一定程度上构建一个良好的系统，其主要思想是统一不同类型数据与不同模块类型之间交叉，统一其对应的数据接口。经过该步骤，可以初步实现集合多种流程处理方式的决策系统，该系统将绝大部分的处理流程与人工智能化技术进行结合，最大程度地保障了石油勘探开发决策系统的准确性。而这也是集成应用的最终目的;建立多功能化的人工智能决策系统。集成系统的最终服务对象是使用该系统的用户，他们所需求的信息必须具有一定的多元化与多学科性。所以最终的输出结果也具备这两点特性。除了帮助决策成员通过数据、图像、文字等进行更加准确的决策指令之外，集成系统还需要为相关工作人员提供三维与二维的图像。给出的地质体空间的展示，必须是建立在大量数据分析、智能分析结果之后的。由于数据的录入需要投入大量的人力与物力导致数据入库的效率太低，并且更新速度过慢;地理信息系统技术在石油勘探领域中还缺乏一定的专用模型库。虽然地理信息系统技术具有强大的数据存储与分析的功能，但没有一个专门针对于石油勘探领域的模块与方式;目前大多的软件主要集中于报表的编制、数据的查询与分析等，很少有涉及到数据挖掘与分析等技术的。在实际的石油勘探领域中，想要把人工智能技术与地理信息系统技术充分结合还需要更进一步的探索，以下是初步的方案：
3.1对综合性的数据进行集成与控制
综合性数据的集成与控制主要针对于普通关系型数据（ROD）、象型数据库（OOD），并将其作为一定的基础，与实际的数据标准再次进行一定的结合。其核心思想是通过实际的结合与运用，达到运用合理数据引擎的目的，并在此基础上构建多种数据的集成管理体系，最终实现数据库与数据库之间的灵活交叉功能。
3.2对挖掘成果进行高效的管理
为了能够实现对于一些运算过后的数据所得到的挖掘成果的高效管理，可以对一些模块、有指定目标对象的统一接口进行精准处理。
3.3根据实际情况进行智能化的处理与决策的分析
为了更加准确地建立起与之相对应的预测体系、分析体系，可以结合实际情况对其进行智能化的处理与智能化的决策分析。在开展相关的智能化研究与结果处理的过程中，可以将一些匹配度吻合的智能模块充分融入进去，便可准确地构建预测分析体系。不仅如此，在模型获得一定的预测结果之后，将其与该结果进行充分的融合或者充分融入进存在于空间数据库中的同区块区域。该方式为二次空间的分析与对应结果的探讨打下了一定的基础，最终工作人员可以结合自身的需求，从相关的决策系统中选择最为合理、最为高效的决策方案。
结束语
想要实现模式的辨别与以专业作为基础的高水平的应用，人工智能的融入是必须的。人工智能能够在最大程度上提升石油勘探开发软件的专业度，目前我国在该领域虽然取得了一定的进展，但由于一些客观的因素，还存在一些不足。对目前我国人工智能技术在石油勘探领域应用的现状进行了分析，将地理信息系统与人工智能相互结合，提出了相应的解决方案，希望对我国石油事业有所帮助。
参考文献：
[1]徐沐霖，邱涛.人工智能在石油勘探中的应用[J].电子世界，2017（08）：142.
[2]王宏琳.通向智能勘探与生产之路[J].石油工业计算机应用，2016，24（04）：7-20+3.
[3]胡柏.浅析大庆石油在石油开采中的技术应用[J].石化技术，2016，23（05）：117.