Sztuczna inteligencja w poszukiwaniach ropy i gazu
Sztuczna inteligencja przegląda badania sejsmiczne, dzienniki odwiertów i dane satelitarne, aby szybciej i dokładniej znajdować złoża ropy i gazu.
Przegląd
It cuts the cost and guesswork of deciding where to drill.
Głębokie nurkowanie
Znalezienie węglowodorów oznacza interpretację ogromnych, zaszumionych zbiorów danych: badań sejsmicznych 3D i 4D, dzienników odwiertów, próbek rdzeni i historii produkcji. Tradycyjnie geofizycy interpretowali je ręcznie przez miesiące. Sztuczna inteligencja radykalnie to przyspiesza. Modele głębokiego uczenia się, zwłaszcza splotowe sieci neuronowe, automatycznie identyfikują uskoki geologiczne, kopuły solne i warstwy stratygraficzne na obrazach sejsmicznych. Uczenie maszynowe na podstawie danych z odwiertów przewiduje porowatość i przepuszczalność skał, czyli właściwości decydujące o możliwości przepływu ropy. Firmy budują modele zbiorników i wykorzystują oparte na sztucznej inteligencji „dopasowywanie historii” do kalibracji symulacji względem rzeczywistej produkcji. Sztuczna inteligencja kieruje także wierceniem w czasie rzeczywistym, sterując wiertłem tak, aby pozostało w produktywnej „strefie opłacalności” i sygnalizując zagrożenia, takie jak nagłe zmiany ciśnienia, które mogą spowodować wydmuchy. Korzyścią jest mniej suchych odwiertów i mniejsze ryzyko poszukiwań.
Wgląd techniczny
W interpretacji sejsmicznej często wykorzystuje się CNN przeszkolone w zakresie segmentacji uskoków i horyzontów w obrazach 3D, traktując dane odbicia jak woksele w obrazowaniu medycznym. W przypadku kłód odwiertowych modele regresji i klasyfikacji odwzorowują zmierzone sygnały (promieniowanie gamma, oporność, dźwięk) na właściwości skał. „Modele zastępcze” są przybliżeniem powolnych symulatorów zbiorników opartych na fizyce, dzięki czemu inżynierowie mogą szybko uruchomić tysiące scenariuszy. Uczenie się przez wzmacnianie i optymalizacja Bayesa pomagają wybrać odpowiednie rozmieszczenie, aby zmaksymalizować regenerację.
Wpływ strategiczny
Kontekst i zasady
Kontekst branżowy decyduje o tym, czy pomysły AI przetrwają kontakt z rzeczywistością.
Kontrola jakości
Ograniczenia domeny wpływają na akceptowalne poziomy błędów i modele nadzoru.
Buduj wybory
Pomyślne wdrożenia łączą możliwości techniczne z przepływami pracy na pierwszej linii frontu.
Przyszłość sztucznej inteligencji w poszukiwaniach ropy i gazu
Spodziewaj się ściślejszych pętli czasu rzeczywistego, w których czujniki odwiertu zasilają sztuczną inteligencję, która natychmiast dostosowuje wiercenia, oraz cyfrowych bliźniaków całych złóż, które są stale aktualizowane. Te same umiejętności modelowania podpowierzchniowego skupiają się na wychwytywaniu i składowaniu dwutlenku węgla oraz energii geotermalnej, gdzie sztuczna inteligencja musi zweryfikować, czy wtryśnięty CO2 pozostaje uwięziony lub czy gorąca skała wytworzy ciepło. Ponieważ przemysł stoi przed presją związaną z transformacją energetyczną, sztuczna inteligencja w coraz większym stopniu skupia się na redukcji emisji i wykrywaniu wycieków metanu, równolegle z eksploracją.
Implementacja w świecie rzeczywistym
ExxonMobil i Microsoft wykorzystują uczenie maszynowe do optymalizacji wierceń i produkcji w basenie permskim
Shell wykorzystuje sztuczną inteligencję do interpretacji danych sejsmicznych i przewidywania awarii sprzętu w różnych operacjach
Narzędzia BP do modelowania złóż wykorzystujące dopasowywanie historii oparte na sztucznej inteligencji w celu prognozowania wyników złóż
Programy do wykrywania metanu za pomocą satelitów i sztucznej inteligencji (np. firm takich jak Kayrros) wykrywające wycieki w odwiertach
Zagrożenia i poręcze
Wymogi prawne mogą unieważnić mocne prototypy.
Dane historyczne mogą kodować uprzedzenia, które szkodzą konkretnym społecznościom.
Starsze systemy mogą powodować wąskie gardła w integracji i ukryte koszty.
Plan wdrożenia
Zaangażuj ekspertów dziedzinowych od sformułowania problemu po ocenę.
Zaprojektuj ścieżki audytu i dokumentację przed uruchomieniem.
Wcześnie zweryfikuj wymogi dotyczące zgodności i bezpieczeństwa.
Wdrażaj etapami z jasnymi kryteriami zatrzymania i wycofywania.
Odkrywaj dalej
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the AI in Oil and Gas Exploration quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Następny poradnik
Sztuczna inteligencja w analityce sportowej
Często zadawane pytania
What is AI in Oil and Gas Exploration?
Sztuczna inteligencja przegląda badania sejsmiczne, dzienniki odwiertów i dane satelitarne, aby szybciej i dokładniej znajdować złoża ropy i gazu. Zmniejsza koszty i zmniejsza ryzyko związane z podejmowaniem decyzji o miejscu wiercenia.
Na jakich danych modele sztucznej inteligencji najczęściej opierają się przy mapowaniu podziemnych zbiorników?
Eksploracyjna sztuczna inteligencja interpretuje obrazy z badań sejsmicznych i pomiary z logów odwiertów, które ujawniają strukturę i właściwości skał podpowierzchniowych.
Który typ sieci neuronowej jest powszechnie używany do wykrywania usterek i warstw na obrazach sejsmicznych 3D?
Sieci CNN przodują w przetwarzaniu danych przypominających obrazy, dlatego wykorzystuje się je do segmentowania uskoków, horyzontów i wysad solnych w objętościach sejsmicznych, podobnie jak w przypadku obrazowania medycznego.
Jaka jest kluczowa korzyść w zakresie bezpieczeństwa wynikająca z prowadzenia wiertła przez sztuczną inteligencję w czasie rzeczywistym?
Sztuczna inteligencja w czasie rzeczywistym monitoruje warunki w odwiercie i ostrzega o niebezpiecznych zmianach ciśnienia, pomagając zapobiegać wydmuchom i utrzymując wiertło w strefie płatnej.
Dlaczego inżynierowie korzystają z „modeli zastępczych” AI symulatorów zbiorników?
Symulacje zbiorników oparte na fizyce są powolne obliczeniowo; Surogaty AI przybliżają je, umożliwiając szybkie testowanie tysięcy scenariuszy.
Do jakiego zastosowania transformacji energii wykorzystuje się obecnie tę samą podpowierzchniową sztuczną inteligencję?
Umiejętności modelowania podpowierzchniowego przekładają się bezpośrednio na weryfikację, czy wtłoczony CO2 pozostaje uwięziony pod ziemią, oraz na projekty geotermalne.