SPWLA 2020年9月网络课程

油藏岩石物理中人工智能技术应用的优点和危机

报告人: Steve Cuddy, 贝克休斯

报告人简介: Steve Cuddy 现在是贝克休斯公司主任油藏岩石物理学家。他博士毕业于英国亚伯丁大学油藏岩石物理学专业，具有物理学本科和天体物理本科背景。他是Fractal FOIL 公式的发明人，该公式阐述了油藏模型中的流体分布规律。他有45年的工业界经验，并开发了系列AI软件。2018年他被SPWLA授予学会杰出服务奖。

报告摘要 
人工智能（AI）是一种数据分析的方法，该方法主要通过数据、识别模式，并在人为干扰最小的情况下进行预测。本报告将通过大量的成功案例阐述AI正给油藏岩石物理评价带来大量的好处。尽管AI在油藏岩石物理中的应用还有更多的可能性，但如果应用不当，则会带来潜在的严重后果。

实例1：对中东某碳酸岩油田利用AI反演理想的泥质含水饱和度公式,该公式结合了现场特定的饱和度和胶结指数信息。

实例2：是针对在英国大陆架的某气田“含油”的问题，人们成功地利用AI来实时地解译核磁共振测井中T1和T2谱中隐含的流体信息。

实例3： 横波速度对油藏建模和井眼稳定性预测非常重要，但北海某油田中30口井，仅有4口井有横波速度信息。我们利用了AI技术预测了所有30口井中的横波速度信息，其结果比实测的4口井的横波测井质量更好。

实例4：对每口井进行取芯作业过于昂贵，我们利用AI技术从多维数据空间中揭示测井曲线、岩心、岩相及渗透率等之间的关系。结果表明，这些关系可以帮助我们建立更好的油藏模型。此外，利用AI技术预测的数据进行升尺度，其性能优于常规方法的结果。

其余实例：AI技术在测井质量控制方法也取得了很好的效果，并且在恶劣井眼中电测井曲线的修复及缺失数据恢复上取得了很好的应用效果。

AI技术不需要油藏岩石物理响应方程的先验信息，并且是自我刻度的。 没有参数需要拾取或者说不用进行交会图绘制等工作。用户干预非常少，可以通过忽略噪声和异常值来避免“垃圾输入垃圾输出”的问题。AI程序对测井曲线条数没有限制，可以包含多条测井曲线、取芯结果、录井信息等。

AI程序的发展现在已经类似生命科学中的DNA代码的准则。这些AI程序同时也存在大量的危机。本次报告也将对此进行剖析。对AI程序进行必要的“风险评估”可以识别灾难和风险因素，然后进行弥补。

本报告将在两个不同的时间重复进行：
美国中部时间9月3日周四,8am – 9am
美国中部时间9月4日，周五 3am – 4am

1. 使用SPWLA注册页面完成结帐（费用：会员免费，非会员：$25.00）

 2. 请回复来自membership@spwla.org的第二封电子邮件，并附上完成网络研讨会注册的链接，选择时间和日期。此步骤为参与网络研讨会所必需