石油学报

作者：李宁, 徐彬森, 武宏亮, 冯周, 李雨生, 王克文, 刘鹏

单位：1. 中国石油勘探开发研究院 北京 100083;2. 中国石油大学(北京)地球物理学院 北京 102249;3. 中国石油大学(北京)人工智能学院 北京 102249

关键词：机器学习,深度学习,人工智能,测井曲线重构,岩相分类,物性参数预测

基金：李宁,男,1958年7月生,1982年获华东石油学院学士学位,1989年获中国石油勘探开发研究院博士学位,现为中国石油勘探开发研究院教授级高级工程师、中国工程院院士、博士生导师,主要从事测井、软件等方面研究与教学工作。Email:ln@petrochina.com.cn

摘要： 测井是求取储层物性参数、发现与评价油气藏、预测油气储量的重要手段。测井技术更新换代、测井技术种类发展多样化、测井数据管理方式多元化等多重因素导致测井信息具有测量种类多、数据量大和多源异构等大数据特征。人工智能技术的快速发展为解决测井地层评价中的多解性、不确定性等难题提供了新的思路和方法，"测井＋人工智能"也是一个亟待探索的新领域。在系统回顾人工智能在测井领域的研究现状和进展基础上，重点讨论了有监督机器学习和半监督机器学习、神经网络和深度学习等人工智能技术在测井曲线重构、岩相预测和物性参数计算等测井地层评价中的应用。受样本数量有限、处理流程不完善和自我调节能力较差等因素制约，人工智能在流体研究、储层综合评价等测井领域具有较大的发展空间和广阔的应用前景。

来源：2021年第4期

《石油学报》期刊编辑部

查看石油学报杂志2021年第4期