⑴ 站在「大數據」的台風口，石油行業能起飛嗎三分鍾帶你全面了解
加大油氣勘探開發力度、保障國家能源安全是當前面臨的迫切任務。但隨著優質資源的不斷開發，剩餘資源開采難度越來越大，成本越來越高，迫切需要創新技術提升油氣勘探開發效率和效益。在大數據、人工智慧( artificial intelligence，AI)、5G、雲計算、物聯網等技術推動下，油氣田的智能化水平將會越來越高，這既是油田降本提質增效的有效途徑，也是油氣技術發展規律的必然趨勢。
1、大數據技術定義
2012年興起的「大數據」潮流，讓「Big Data」這個IT圈子裡的名詞一下風靡了各個行業。雖然大數據的重要性得到了大家的一致認同，但是對大數據的理解卻眾說紛紜。大數據是一個抽象的概念，除去數據量龐大這一特徵，大數據還有一些其他的特徵，這些特徵決定了大數據與「海量數據」和「非常大的數據」這些概念之間的不同。
高德納分析員Doug Laney曾於2001年在一次演講中指出，數據增長有3個方向的挑戰：數量（volume），即數據多少；速度（velocity），即資料輸入、輸出的速度；種類（variety），即多樣性，這3方面的特徵即大數據最先提出的3V模型。2011年，在國際數據公司（IDC）發布的報告中，大數據被定義為：「大數據技術描述了新一代的技術和架構體系，通過高速採集、發現或分析，提取各種各樣的大量數據的經濟價值。」大數據的特點可以總結為4個V，即volume（體量浩大）、variety（模態繁多）、velocity（生成快速）和value（價值巨大但密度很低）。這種4V定義得到了更廣泛的認同，指出了大數據最為核心的問題，就是如何從規模巨大、種類繁多、生成快速的數據集中挖掘價值。
2、大數據技術的發展
大數據是人工智慧的血液，當前大數據、雲計算、人工智慧以及區塊鏈技術之間的關系密不可分，也被稱作數據智能。比如，先進的工業互聯網，其中既有區塊鏈技術也有大數據技術，還有雲計算技術，三者合成一體，又衍生出了人工智慧和物聯網的概念。
在大數據基礎上的人工智慧，目前已進入數據智能的深度學習時代，其快速發展引起了 社會 和產業的顛覆性變化。從大數據和人工智慧技術全行業的發展來看，目前美國仍處於領先地位，中國緊隨其後，且具有趕超趨勢。中國在人工智慧相關的論文發表總數和高引論文數量實現對美國的超越，但在人工智慧理論發展和技術方向的引領方面美國還占據支配地位。
3、大數據技術流程
大數據處理的關鍵技術流程主要包括：數據採集、數據預處理（數據清理、數據集成、數據變換等）、海量數據存儲、數據分析及挖掘、數據的呈現與應用（數據可視化、數據安全與隱私等）。
4、大數據的核心演算法
大數據的核心演算法可以分為監督學習（有標簽）和無監督學習（無標簽）兩大類，其中：
監督學習分為回歸和分類：即給定一個樣本特徵，希望預測其對應的屬性值，如果是離散的，那麼這就是一個分類問題，反之，如果是連續的實數，這就是一個回歸問題。無論是分類還是回歸，都是想建立一個預測模型，給定一個輸入，可以得到一個輸出。不同的只是在分類問題中，是離散的；而在回歸問題中是連續的。
無監督學習分為聚類和降維：即如果給定一組樣本特徵，我們沒有對應的屬性值，而是想發掘這組樣本在維空間的分布，比如分析哪些樣本靠的更近，哪些樣本之間離得很遠，這就是屬於聚類問題。如果我們想用維數更低的子空間來表示原來高維的特徵空間，那麼這就是降維問題。聚類也是分析樣本的屬性，事先不知道樣本的屬性范圍，只能憑借樣本在特徵空間的分布來分析樣本的屬性。這種問題一般更復雜。而常用的演算法包括 k-means （K-均值），GMM（高斯混合模型）等。
5、大數據在油氣勘探開發領域的應用
目前大數據技術在地質分析、測井解釋、地震解釋、甜點預測、地質建模、油藏模擬、鑽井、壓裂、採油、產能預測等方面均開展了大量 探索 性研究，收到了良好的效果。但是目前，大數據與油氣行業相關領域的融合還處於起步階段，面臨來自數據、演算法和地下未知因素的諸多挑戰。未來在大數據、人工智慧、5G、雲計算、物聯網等技術推動下，油氣田的智能化水平將會快速發展，這既是油氣技術發展規律的必然趨勢，也是油田降本提質增效的有效途徑。在發展的過程中，智能油氣田建設需要油氣勘探開發與大數據、人工智慧、雲計算以及區塊鏈等技術的深度融合，進而催生一批油氣田領域的顛覆性技術，解決油氣勘探開發的技術需求，提升油氣田勘探開發的經濟和 社會 效益。
（ 下期將向您詳細解讀大數據在油氣行業的具體應用 ）。
註：本文部分參考資料來源如下：
李陽，廉培慶，薛兆傑，等．大數據及人工智慧在油氣田開發中的應用現狀及展望[J]．中國石油大學學報(自然科學版)，2020，44(4):1-11
Gantz J，Reinsel D.Extracting Value from Chaos. IDC iView Report，2011
Team O R. Big Data Now：Current Perspectives from O』Reilly Radar.Sebastopol：O』Reilly Media，2014
Grobelnik M. Big data tutorial. http：//videolectures.net/eswc2015grobelnik big data/，2012
Walters, R. J., Zoback, M. D., Baker, J. W. 2015. Characterizing and Responding to Seismic Risk Associated With Earthquakes Potentially Triggered by Fluid Disposal and Hydraulic Fracturing. Seismol. Res. Lett. 86 (4): 1–9. https:// doi.org/10.1785/0220150048.
周松蘭．中美歐日韓人工智慧技術差距測度與比較研究[J]．華南理工大學學報 ( 社會 科學版)，2020，22(2):10-22．
HINTON G E，OSINDERO S，TEH Y W．A fast learning algorithm for deep belief nets[J]．Neural Computation，2016，18: 1527-1554．
LECUN Y，BOTTOU L，BENGIO Y，et al．Gradientbased learning applied to document recognition[J]．Proceedings of IEEE，1988，86( 11) : 2278-2324．
BENGIO Y， SIMARD P，FRASCONI P．Learning longterm dependencies with gradient descent is difficult[J]．IEEE Transactions on Neural Networks，1994，5(2) :157-166
⑵ 地震勘探中解析度和信噪比有什麼關系
地震數據採集 在野外觀測作業中，一般是沿地震測線等間距布置多個檢波器來接收地震波信號。安排測線採用與地質構造走向相垂直的方向。依觀測儀器的不同，檢波器或檢波器組的數量少的有24個、48個，多的有96個、120個、240個甚至1000多個。每個檢波器組等效於該組中心處的單個檢波器。每個檢波器組接收的信號通過放大器和記錄器，得到一道地震波形記錄，稱為記錄道。為適應地震勘探各種不同要求，各檢波器組之間可有不同排列方式，如中間放炮排列、端點放炮排列等。記錄器將放大後的電信號按一定時間間隔離散采樣，以數字形式記錄在磁帶上。磁帶上的原始數據可回放而顯示為圖形。 常規的觀測是沿直線測線進行，所得數據反映測線下方二維平面內的地震信息。這種二維的數據形式難以確定側向反射的存在以及斷層走向方向等問題，為精細詳查地層情況以及利用地震資料進行儲集層描述，有時在地面的一定面積內布置若干條測線，以取得足夠密度的三維形式的數據體，這種工作方法稱為三維地震勘探。三維地震勘探的測線分布有不同的形式，但一般都是利用反射點位於震源與接收點之中點的正下方這個事實來設計震源與接收點位置，使中點分布於一定的面積之內。 地震數據處理 數據處理的任務是加工處理野外觀測所得地震原始資料，將地震數據變成地質語言──地震剖面圖或構造圖。經過分析解釋，確定地下岩層的產狀和構造關系，找出有利的含油氣地區。還可與測井資料、鑽井資料綜合進行解釋(見鑽孔地球物理勘探)，進行儲集層描述，預測油氣及劃定油水分界。 削弱干擾、提高信噪比和解析度是地震數據處理的重要目的。根據所需要的反射與不需要的干擾在波形上的不同與差異進行鑒別，可以削弱干擾。震源波形已知時，信號校正處理可以校正波形的變化，以利於反射的追蹤與識別。對高次覆蓋記錄提供的重覆信息進行疊加處理以及速度濾波處理，可以削弱許多類型的相干波列和隨機干擾。預測反褶積和共深度點疊加，可消除或減弱多次反射波。統計性反褶積處理有助於消除淺層混響，並使反射波頻帶展寬，使地震子波壓縮，有利於解析度的提高。 地震數據處理的另一重要目的是實現正確的空間歸位。各種類型的波動方程地震偏移處理是構造解釋的重要工具，有助於提供復雜構造地區的正確地震圖像。 地震數據處理需進行大數據量運算，現代的地震數據處理中心由高速電子數字計算機及其相應的外圍設備組成。常規地震數據處理程序是復雜的軟體系統。 地震資料解釋 包括地震構造解釋、地震地層解釋及地震烴類解釋或地震地質解釋。 地震構造解釋以水平疊加時間剖面和偏移時間剖面為主要資料，分析剖面上各種波的特徵，確定反射標准層層位和對比追蹤，解釋時間剖面所反映的各種地質構造現象，構制反射地震標准層構造圖。 地震地層解釋以時間剖面為主要資料，或是進行區域性地層研究，或是進行局部構造的岩性岩相變化分析。劃分地震層序是地震地層解釋的基礎，據此進行地震層序之沉積特徵及地質時代的研究，然後進行地震相分析，將地震相轉換為沉積相，繪制地震相平面圖，劃分出含油氣的有利相帶。 地震烴類解釋利用反射振幅、速度及頻率等信息，對含油氣有利地區進行烴類指標分析。通常需綜合運用鑽井資料與測井資料進行標定分析與模擬解釋，對地震異常作定性與定量分析,進一步識別烴類指示的性質,進行儲集層描述，估算油氣層厚度及分布范圍等。研究很淺或很深的界面、尋找特殊的高速地層時，折射法比反射法有效。但應用折射法必須滿足下層波速大於上層波速的特定要求，故折射法的應用范圍受到限制。應用反射法只要求岩層波阻抗有所變化，易於得到滿足，因而地震勘探中廣泛採用的是反射法。 反射法利用反射波的波形記錄的地震勘探方法。地震波在其傳播過程中遇到介質性質不同的岩層界面時，一部分能量被反射,一部分能量透過界面而繼續傳播。 在垂直入射情形下有反射波的強度受反射系數影響，在雜訊背景相當強的條件下，通常只有具有較大反射系數的反射界面才能被檢測識別。地下每個波阻抗變化的界面，如地層面、不整合面（見不整合）、斷層面（見斷層）等都可產生反射波。在地表面接收來自不同界面的反射波，可詳細查明地下岩層的分層結構及其幾何形態。 反射波的到達時間與反射面的深度有關，據此可查明地層埋藏深度及其起伏。隨著檢波點至震源距離（炮檢距）的增大，同一界面的反射波走時按雙曲線關系
⑶ 油氣地質資料數字資源服務的創新方式與保障條件
趙傳玉
(中國石油化工股份有限公司石油勘探開發研究院)
摘要 油氣地質資料數字資源服務的常規方式包括網路目錄檢索、網路全文瀏覽與下載兩種； 創新方式則包括數字地圖導航服務、在線繪圖與對比服務、移動化利用服務、數據挖掘與知識服務以及大數據服務5種。油氣地質資料數字資源服務的創新方式，需要具備豐富的數字化資源、完善的檔案管理信息系統、大容量的網路帶寬以及具有大數據思維的檔案工作者4個方面的保障條件。
關鍵詞 油氣地質資料 數字資源 利用服務 數字地圖 數據挖掘 知識服務 大數據
0 引言
油氣地質資料是對石油天然氣勘探開發地質資料的簡稱，是指在石油天然氣勘探開發生產和科研過程中形成的文字、圖表、數據、聲像等形式的原始地質資料，以及成果地質資料和岩心、岩屑、光薄片等實物地質資料。《地質資料管理條例》及其實施辦法發布十餘年來，油氣地質資料的數字資源建設與服務工作經歷了一個從無到有、不斷壯大的過程。
目前已經比較成熟、正在被各油氣田勘探開發單位廣泛應用的油氣地質資料數字資源服務方式，主要包括網路目錄檢索、網路全文瀏覽與下載兩種方式。網路目錄檢索是指通過網路提供油氣地質資料的案卷級與文件級目錄信息的檢索服務，授權用戶可通過這種方式查找到館藏中的任何一個案卷或一份文件。網路全文瀏覽與下載是指通過網路提供油氣地質資料的全文瀏覽與下載服務，該項服務在目錄資料庫建設的基礎上開展，授權用戶可在線瀏覽地質資料的主要內容，也可下載至本機進一步利用。
1 油氣地質資料數字資源服務的創新方式
隨著IT技術的不斷發展和資源建設程度的不斷推進，油氣地質資料數字資源服務方式也要不斷創新。結合工作實際及國內外的相關文獻，筆者總結了如下5種創新服務方式。
1.1 數字地圖導航服務
數字地圖導航服務，是指利用基於GIS(Geographic Information System，地理信息系統)導航，以地質資料內容對應的工作區的地理坐標為檢索點，向用戶提供某一特定地理區域所包含的全部油氣地質資料的一種服務方式，它是網路目錄檢索、全文瀏覽與下載的一種有益補充，要在地質資料檢索系統上集成GIS服務方可實現，目前比較成熟的平台有ArcGIS平台、Google公司提供的Google Earth服務等。
油氣田勘探開發工作，必須充分佔有目標區域的全部資料，才能有的放矢深入研究。用戶使用常規的檢索方法，以題名、作者、關鍵詞等作為檢索詞，往往難以覆蓋目標區域的全部資料。地質資料館藏機構通過對資料內容涉及的空間數據進行著錄並在檢索系統中集成GIS導航服務等方式，不僅讓用戶可以直觀的掌握目標區域的地理與地形情況，還可以通過GIS導航平台提供的點選和圈選功能，查詢該區域內的全部油氣地質資料。
筆者所在單位通過建立空間資料庫，著錄油氣地質資料內容對應的工作區的地理坐標信息，並在檢索系統中集成GIS平台，實現了對油氣地質資料的GIS導航查詢服務。用戶登錄後，只需框選某一特定區域，即可查詢這一區域內中石化各油氣田勘探開發單位形成的油氣地質資料情況，極大地提高了查全率與查准率，效果反饋良好。
1.2 在線繪圖與對比服務
這是一種全新的服務方式，主要是以館藏的各類數據體為基礎，通過管理信息系統與檢索系統，提供對這些數據體的自定義可視化以及對比服務。
以測井數據體為例，測井是指利用岩層的電化學、導電、聲學、放射性等地球物理特性，測量地球物理參數的過程。測井的方法眾多，也形成了多種類型、多種格式的測井數據體，而這些測井數據體一般都不便直接閱讀，必須形成測井曲線圖才能方便利用。在線繪圖與對比服務，就是將館藏每一口井的全部測井數據體，上傳至存儲伺服器，並與相應的案卷級目錄信息、文件級目錄信息鏈接，用戶在瀏覽時，可根據自身需要，選擇一口井的某一類或某幾類測井數據體，或者多口井的某一類測井數據體，利用管理信息系統提供的在線繪圖功能，實時繪制測井曲線圖並進行對比。該服務方式可以讓用戶自行確定測井曲線種類、選擇圖件參數、圖件顯示方式等，大大提高了利用效率和利用效果。
目前中石化油氣勘探開發源頭數據採集系統中的測井數據採集系統，採集了測井數據體後，就是通過在線繪圖、在線對比、在線統計等方式來展示採集結果的，效果非常好。這一系統的成功實踐，為油氣地質資料數字資源的在線服務提供了一種借鑒思路。
1.3 移動化利用服務
移動互聯網飛速發展，各種業務在移動設備上的應用越來越成熟。筆者認為，隨著手持移動設備(手機、平板電腦等)硬體配置越來越高，對復雜任務的處理能力與處理速度大幅提高；3G、4G等高速移動互聯網的進一步普及，為油氣地質資料利用服務的移動化提供了機遇。英國地質調查局在2010年9月發布了其第一個基於iOS系統的APP——iGeology，用戶可藉助該APP在英國任意地方通過移動設備檢索1：50000地質圖及相關數據，利用效果顯著。全國地質資料館在2013年也分別發布了基於iOS和Android系統的手機客戶端，可以直接通過手機查詢地質資料並發起資料訂購。
對於油氣田勘探開發單位而言，我們可效仿上述成功經驗，開發專門的第三方應用程序(APP)，通過局部推送、切片技術、鷹眼技術等手段，解決大容量電子文件在移動互聯網上的推送和在手持移動設備上的顯示等問題，經授權和認證後，可根據勘探開發科研生產一線工作者的需要，將其急需的油氣地質資料數字資源，推送到他們的手持移動設備上，提高服務與支撐效率。
1.4 數據挖掘與知識服務
數據挖掘一般是指從大量數據中自動搜索隱藏於其中的有著特殊關系性信息的過程。油氣地質資料管理信息系統中，既保管有豐富的電子資源，又擁有龐大用戶群的利用記錄，這兩者對計算機而言都是大量的數據，為提供數據挖掘與知識服務奠定了基礎。
數據挖掘與知識服務包含了兩個方面的含義，一方面是指對館藏油氣地質資料中的有用數據進行挖掘。對地質現象的認識，是隨著相關資料檔案的豐富、技術的更新、方法的優化而不斷精確的。館藏油氣地質資料是在多年的勘探開發工作中不斷形成的，其包含了廣大勘探開發工作者對地質現象認識的不斷總結和提煉。可以通過統計、在線分析處理、情報檢索、機器學習、專家系統和模式識別等諸多方法，對地質資料中有關某一特定區域、某一特定地質現象的數據進行深入挖掘、分析，將其中的隱形知識挖掘出來轉換成顯性知識並提供服務。另一方面是指對用戶利用數據的挖掘。用戶在管理信息系統中，檢索檔案目錄、瀏覽下載檔案電子文件時，都會形成大量的有關利用的數據，包括利用時間、利用熱點、利用興趣方向等，對這些數據進行挖掘，可針對不同用戶的興趣點，提供個性化、有針對性的服務。對用戶利用數據的挖掘，分為3個層次，一是對全體用戶利用數據的挖掘，分析全體用戶最感興趣的利用服務內容、方式、方法等，以促進利用服務工作的改進和優化。二是對特定群體用戶(如某一單位、某一研究室)特定時間段利用數據的挖掘，分析他們的階段性利用興趣，可為有針對性提供主動上門服務提供方向。三是對個體用戶利用數據的挖掘，可分析該用戶的研究方向、傾向的服務方式等，從而為該用戶提供更好地數據資源利用服務。
筆者所在的單位已對用戶利用數據進行了第一、三兩個層次的挖掘，我們通過管理信息系統統計用戶的搜索關鍵詞、瀏覽與下載興趣等，分析階段時間內全體用戶以及個體用戶利用興趣的Top 10，在用戶檢索界面進行動態顯示與實時更新，總體效果不錯。目前我們正在嘗試對用戶利用數據進行第二層次的挖掘，以便更好地提供利用服務。
1.5 大數據服務
大數據時代已經來臨，藉助飛速發展的信息技術和硬體技術，我們日常生活的衣食住行都在不斷形成大數據，這已是社會共識。在目前的油氣田勘探開發各項活動中，形成的數據量非常大，也屬於大數據的范疇；各級地質資料館(室)館藏的油氣地質資料及其數字資源，其數據量更加龐大。面對如此龐大的數字資源，單純提供個體數字資源的服務將逐漸不符合油氣田勘探開發工作的實際，我們要具備大數據的思維，將館藏全部數據資源視為一個整體，提供整體服務，通過尋找各項地質工作與油氣田勘探發現、油氣田開發產能建設之間的相關關系來提供服務。
據筆者目前掌握資料來看，大數據服務尚未在油氣地質資料部門開展，但Google、Visa等掌握了大量數據的公司進行大數據服務的案例屢見報端。中石油、中石化、中海油等公司都掌握了大量的油氣地質資料數字資源，提供大數據服務來促進油氣勘探發現與油氣田開發產能建設，勢必不會太遙遠。
2 油氣地質資料數字資源服務的保障條件
油氣地質資料相較其他參考資料，具有原始性與系統性兩大優勢。原始性是因為其是油氣田勘探開發工作的原始記錄，系統性則是因為其系統記錄了各項油氣田勘探開發活動的過程和結果。基於這些優勢，必須重點開展油氣地質資料的數字資源服務，創新服務方式。結合工作實際，筆者認為創新服務方式，要具備如下幾方面的保障條件。
2.1 基礎條件——豐富的數字化資源
豐富的數字化資源是開展數字資源服務的基礎條件。豐富的數字化資源包括兩個方面，一是數字化的紙質地質資料，主要是指利用掃描技術、OCR技術、存儲技術等技術手段，形成館藏紙質地質資料的數字化版本；二是各種數據體，主要是指在物化探、鑽井、測井、錄井等油氣田勘探開發工作中，利用各種儀器採集和(或)形成的大量的數據體，及其解譯數據。這些數據體是對地質現象的原始記錄，是數字資源服務的主體，對其利用需求遠大於對數字化的紙質地質資料的利用需求。而這些數據體往往是各項工作的中間性成果，對其歸檔的控制力度稍弱，需要各級檔案部門採取切實可行的歸檔監管措施，確保這些數據體及其解譯成果能及時、全面地歸檔，以築牢油氣地質資料數字資源服務的基礎。
2.2 技術條件——完善的地質資料管理信息系統
開展數字資源服務，完善的地質資料管理信息系統是技術保障。無論是數字化的紙質地質資料，還是各種數據體，都是以代碼形式存儲在光碟、磁碟等光磁載體上，必須藉助完善的地質資料管理信息系統，方能有效地開展利用服務。完善的地質資料管理信息系統應該具備兩方面的基本功能，一是能作為油氣地質資料日常管理的工具，可提供從歸檔、整理到編目、著錄檢索、統計等各個基本環節的信息化管理，提高日常管理工作水平；二是能作為用戶利用服務的終端，用戶無論是進行目錄、全文檢索，還是全文瀏覽與下載，都可藉助於該管理信息系統實時並動態顯示。
2.3 環境條件——大容量的網路帶寬
從筆者所在單位的情況來看，通過網路提供地質資料利用服務近年來發展迅猛，在部分單位的地質資料部門已成為提供利用服務工作的主要方式。油氣田勘探開發工作中形成的地質資料，大部分是技術報告以及各種技術圖件，其電子文件體積一般都比較大，動輒在幾百兆位元組(MB)甚至吉位元組(GB)，要將這些大體積的電子文件通過網路提供利用，大容量的網路帶寬必不可少。
2.4 智力條件——具有大數據思維的地質資料工作者
任何一項工作的正常開展，都必須有一定數量的專業技術人才為依託。筆者認為，要充分開展油氣地質資料數字資源的利用服務工作，具有大數據思維的地質資料工作者是必不可少的智力條件。一方面，他們可從資料檔案專業的角度，按資料檔案工作的規律與特點開展油氣地質資料數字資源的利用服務工作；另一方面，他們還可從數據的角度，開展對油氣地質資料數字資源中豐富數據的挖掘、提煉與整合，結合油氣田勘探開發業務工作，提供有針對性的內容服務；第三方面，他們還可從大數據的角度，將油氣地質資料數字資源作為一種大數據來整體考慮，通過IT部門的配合，來發掘各類數字資源與油氣田勘探開發工作的相關關系，從而提供其他利用服務方式所無法提供的數據與知識服務。
參考文獻
[1]葛紅.數字時代檔案信息資源的開發利用[J].科技與企業，2010(6)：84～85.
[2]塗子沛.大數據[M].南寧：廣西師范大學出版社，2012.
[3]Q/SH 0167-2008 石油天然氣勘探與開發油氣地質資料立卷歸檔規則[S].2008-02-25.
[4]British Geologecal Survey.British Geological Survey Annual Report 2010-11[EB/OL].2011[2013-02-25].http://www.bgs.ac.uk/downloads/start.cfm?id=2252.