电话：0459-6293188
邮箱：hefengda2019@163.com
网址：strategy.niagarafallsgazette.cn
地址：黑龙江省大庆市龙凤区火炬新街孵化器大厦1号楼
数字经济蓬勃发展，行业数字化转型不断加速，如今，人工智能与传统产业的深度融合愈发凸显重要性。作为典型的传统行业，油气行业拥有庞大的资源数量、数以千亿计的资产规模。同时也有专业度高、工艺流程复杂、产业链长、设备资产总量巨大，应用场景复杂等特点。作为国家战略性资源和工业基础，油气行业数字化转型智能化发展已是大势所趋。
西南石油大学人工智能研究院院长闵超带领科研团队在油气田开发动态模拟预测及优化领域，创新地提出了大数据驱动的开发动态指标的预测预警新方法，实现了油气藏不同开发阶段的区块动态预测与预警，并以此为基础建立油气田开发规划优化模型群，解决产量构成、措施结构及产量分配等一系列优化问题。该成果2010年以来先后在国内外各大油田应用，产生经济效益13.70亿元，经济和社会效益显著，相关专家评价达到了国际先进水平▕AI岩石图像识别
足够数量和质量的数据样本是现代人工智能的核心。与通用人工智能不同，“小样本、大数据”是智慧油气田领域普遍面临的难题。“样本不确定性太强、数据孤岛的现象仍比较突出、样本获取及打标签成本太高等。”闵超说，这些问题极大地限制了AI相关算法与技术在油气田领域的应用。
针对这些问题，2019年闵超带领西南石油大学人工智能研究院团队和国内油田展开合作、进行深入探索，针对基于大数据的稠油油藏注蒸汽吞吐产量预测问题进行攻关，从100多个区块超过10万条的生产数据中，整理出近800条可用样本，创新性地结合机理模型进行深度学习，兼顾了预测精度和泛化能力，取得了很好的效果。
2021年4月，北京召开“第三届中国石油石化智能化技术交流会暨石油石化企业数字化转型高峰论坛”，中国工程院院士、油田开发专家李阳在会上提出的“数据驱动+物理指导”思想。西南石油大学团队的这一成果与李阳院士的思想不谋而合。闵超介绍道：“后来，该思路也被我们用于解决根据压裂曲线的模式识别这种典型的小样本问题中，该方法将压裂曲线作为地层在压裂过程中反馈的“声音”，利用深度学习的方法“倾听”地层“说”的话，实现压裂状态的实时、自动识别。”
0459-6293188
