研究报告

摘要：在天然气田开采过程中，存在于气井中的部分地层水、凝析水也将同时被采出。尤其在气井生产中、后期，伴随地层压力、气井产气量大幅降低，生产层段水量增大，一部分地层水聚集在地层内无法随气体采出，一部分水随气体被带至井底于井筒内产生积液，导致气井套压虚高、油压降低，产气量下降。由于井底积液过多无法及时随气体排出，当液柱压力逐渐增高与地层压力达到平衡时，可导致气井产量降低，甚至造成气井水淹停产。泡沫排水技术可以排出井内积液，是提高天然气产量、延长气井开采周期的最经济有效的方法之一。《国内外泡沫排水采气技术发展现状及趋势报告》对近年来泡沫排水采气的泡排剂加注装置、液体和固体泡排剂以及不同类型气井泡沫排水采气技术进行了详细调研，为延长气井开采周期提供重要的技术支撑。本报告首先介绍的是国内外泡沫排水采气技术发展现状及趋势。概述了气井井筒积液分析，泡沫排采工艺机理，泡沫排采加注方式，以及影响泡沫排采工艺的因素；泡沫排水采气起泡剂研究现状，泡沫排水采气技术研究现状及其发展趋势。其次是泡沫排水采气泡排剂加注装置研究及应用。具体包括固体泡排棒投放装置、液体泡排剂装置及智能泡排剂装置研究及应用。再次是泡沫排水采气泡排剂研制及应用。具体包括液体泡排剂及固体泡排棒的研制及应用。然后是泡沫排水采气技术研究及应用。具体致密气井、页岩气井、酸性气井以及海上气井泡沫排水采气技术研究及应用。接下来是泡沫排水采气组合工艺技术研究及应用。具体包括气举+泡排组合工艺、速度+泡沫复合工艺、增压+泡排复合工艺以及其他复合工艺技术研究及应用。最后是国外泡沫排水采气技术研究及应用。具体包括泡排剂以及泡沫排水采气技术的研究和应用。通过调研总结撰写近年来国内外泡沫排水采气的泡排剂加注装置、液体和固体泡排剂以及不同类型气井泡沫排水采气技术及现场应用效果等方面内容，为石油工程技术研究院、油田公司、采油厂以及泡沫排水采气研究工作者的研究及应用工作提供指导、借鉴作用。关键词：泡沫排水采气、井筒积液、加注方式、泡排棒自动投放装置、远程控制自动投棒系统、液体泡排剂装置、泡排液自动加注控制系统、泡排球智能投放装置、纳米粒子泡排剂、低压耐盐型泡排剂、防冻型泡排剂、自生气泡排棒、缓释型泡排棒、气举+泡排组合工艺、速度+泡沫复合工艺、增压+泡排复合工艺、泡排+液氮组合工艺正文目录第一章  国内外泡沫排水采气技术发展现状及趋势第一节  气井井筒积液分析一、井筒积液机理及判断二、气井生产携液分析第二节 泡沫排水采气工艺综述一、泡沫排采工艺机理二、泡沫排水采气工艺加注方式三、影响泡沫排采工艺的因素第三节 国内外泡沫排水采气技术发展现状及趋势一、泡沫排水采气起泡剂研究现状二、泡沫排水采气技术研究现状三、泡沫排水采气技术发展趋势第二章 泡沫排水采气泡排剂加注装置研究及应用第一节  固体泡排棒投放装置研究及应用一、大容量气井泡排棒自动投放装置及其应用1、装置的组成及工作原理2、室内测试3、现场应用4、结论二、远程控制自动投棒系统的研制及应用1、自动投棒系统研制2、室内试验3、现场试验及应用4、结论及建议三、泡排棒自动防卡型投放装置1、技术方案2、有益效果3、具体实施方式第二节  液体泡排剂装置研究及应用一、自动泡沫排水采气注剂装置研究及应用1、自动注剂装置设计2、自动注剂装置的研制3、现场应用4、结论二、丛式气井自控加药装置研制及应用1、基本结构和工作原理2、多井选通阀岛3、工艺流程4、运行操作5、应用效果6、结论三、分布式气井泡排液自动加注控制系统的设计与实现1、分布式泡排液自动加注系统设计2、泡排液自动加注主控系统设计与实现3、室内试验4、结论四、平衡罐自动加注泡排剂工艺研究与应用1、平衡罐加注泡排剂理论及结构研究2、现场试验及效果评价3、结论第三节 智能泡排剂装置研究及应用一、排水采气用泡排球智能投放装置1、目的2、技术方案3、有益效果4、具体实施方式二、智能防冻型液体泡排剂自动加注装置1、技术方案2、有益效果3、具体实施方式三、风光互补智能起消泡剂加注装置的研制与应用1、自动化起消泡剂加注装置2、现场试验3、结论与认识第三章  泡沫排水采气泡排剂研制及应用第一节  液体泡排剂研制及应用一、高效低成本纳米粒子泡排剂排水采气技术研究与应用1、起泡剂高温高压模拟实验评价装置与方法2、高效低成本纳米粒子起泡剂系列3、排水采气决策优化与评价技术4、现场应用效果5、结论及认识二、耐盐CO2响应型泡排剂制备研究1、实验方法2、实验结果讨论3、结论三、长庆气田现用泡排剂评价及自生气泡排剂研究1、实验原理、方法及药品2、长庆油田现用泡排剂性能评价3、自生气体系产气量影响因素分析4、自生气泡排剂性能评价5、结论四、低压耐盐型泡排剂在大牛地气田的应用及评价1、低压耐盐型泡排剂CP-01性能指标2、低压耐盐型泡排剂CP-01性能评价3、现场试验及效果评价4、经济效益核算5、结论及认识五、防冻型泡排剂技术研究1、泡排原理2、防冻型泡排剂研究3、结论第二节  固体泡排棒研制及应用一、抗温LN-1泡排棒的研制及应用评价1、室内实验2、实验结果分析3、泡排棒的研制4、抗温LN-1泡排棒现场试验应用5、结论二、抗油抗盐型自生气泡排棒研制及性能评价1、自生气型泡排棒泡沫排水机理分析2、泡排棒配方研制及性能评价3、动态性能影响因素分析4、泡沫排水工艺设计5、结论与建议三、固体泡排剂SWP的配方研制及性能评价1、实验部分2、新型泡排剂的研制3、SWP泡排剂性能评价4、结论四、缓释型泡排棒在苏里格气田的应用1、连续生产井试验效果分析2、间歇生产井试验效果分析3、结论第四章  泡沫排水采气技术研究及应用第一节 致密气泡沫排水采气技术研究及应用一、临兴区块致密砂岩气藏泡沫排水采气技术研究及应用1、气藏开发基本特征2、泡沫排水工艺研究及应用效果3、影响增产的关键因素分析4、结论及认识二、苏75区块泡沫排水采气技术研究与应用1、苏75概况2、泡排剂的研究与评价3、泡排剂注入工艺研究4、现场应用及效果评价三、低压低产气井泡沫排水采气工艺研究与应用1、泡排工艺适用界限2、泡排工艺参数优化3、现场试验效果4、结论四、大吉气田致密砂岩气井泡沫排水采气工艺试验与应用1、大吉气田产水现状2、泡沫排水采气工艺原理及要求3、起、消泡剂的选择4、现场试验及效果评价5、结论与认识五、子洲-米脂气田泡沫排水采气工艺优化研究1、气田地质及流体特征2、泡排剂性能室内评价及优选3、现场试验4、结论第二节 页岩气泡沫排水采气技术研究及应用一、平桥南区常压页岩气井早期泡沫排水采气研究1、泡排剂优选及性能评价2、现场效果评价3、结论二、长宁区块页岩气平台井泡沫排水采气技术1、页岩气泡排工艺技术2、现场应用效果3、结论三、涪陵页岩气田泡沫排水采气技术1、气井措施前后的生产情况2、起泡剂的用量优化3、应用效果分析4、存在问题及建议5、结论第三节 酸性气泡沫排水采气技术研究及应用一、普光高含硫气井泡沫排水采气技术研究1、实验部分2、结果与讨论3、现场试验4、结论与认识二、大牛地低含硫气井泡沫排水采气技术应用1、纳米粒子泡排剂作用机理2、纳米粒子泡排剂性能评价3、现场试验4、经济评价三、高含硫边底水气藏泡沫排水采气工艺设计 1、气田概况2、PG气田主体边部产水动态特征分析3、泡沫排水采气工艺设计4、结论与建议第四节 海上气井泡沫排水采气技术研究及应用 一、海上边际气田水下井口排水采气工艺技术1、水下井口泡沫排水采气工艺2、水下井口气举排水采气工艺3、水下井口气举辅助泡沫排水采气工艺4、结论及建议二、海上气田毛细管泡排技术应用可行性分析1、毛细管泡排技术2、毛细管泡排效果影响因素分析3、毛细管注剂排水采气技术在南海西部气田的应用4、结论第五章 泡沫排水采气组合工艺技术研究及应用第一节 气举+泡排组合工艺技术研究及应用一、泡排-气举复合排液技术的研究应用1、泡排-气举复合排液的机理及技术应用 2、效果应用3、项目完成后达到的技术、经济指标及创新点4、结论与认识二、户部寨气田复合排液采气技术研究与应用1、复合排液技术研究2、现场应用3、结论与建议第二节  速度+泡沫复合排水采气研究及应用   一、水平气井速度管、泡沫复合排水采气模拟实验研究1、水平气井的速度管、泡排复合模拟实验设计2、水平气井速度管、泡排复合工艺模拟实验研究3、水平气井泡沬流压降模型研究4、水平气井临界携泡模型研究5、结论建议二、苏77召51区块速度管柱泡排复合工艺应用1、速度管柱泡排工艺原理2、速度管柱泡排工艺设计3、现场应用效果分析4、结论三、深层煤层气田优选管柱及泡排应用1、存在的问题2、煤层气井运用优选管柱和泡排工艺的可行性分析3、煤层气井运用泡排工艺的应用条件与开展的实验4、结论第三节  增压+泡排复合工艺研究及应用一、泡沫排水与增压采气复合技术的应用1、白马庙蓬莱镇组气藏地质背景及储层特征2、BQ53井基本情况3、工艺适应性试验4、增压+泡排复合工艺在白马庙的应用5、结论二、大牛地气田“泡排+环空激动降压”组合复产工艺1、泡排+环空激动降压组合复产工艺理论分析2、泡排+环空激动降压组合复产现场试验及效果3、泡排+环空激动降压组合复产工艺经济评价4、泡排+环空激动降压组合复产工艺推广应用5、结论第四节其他复合工艺技术研究及应用一、苏10区块泡排+液氮组合排水采气技术应用1、各类排水采气简介及复合设计2、现场应用效果评价3、结论及建议二、低压低产井净化与排液技术研究及试验1、净化与排液复合药剂性能及优势2、污染、积液诊断技术3、净化排液一体化工艺4、现场试验及效果5、结论第六章 国外泡沫排水采气技术研究及应用第一节 泡排剂研究及应用一、北海南部海上气井连续发泡剂应用1、气井排水采气简介2、连续发泡剂系统设计3、连续发泡剂注入性能4、连续发泡剂作业的挑战5、连续发泡剂系统的下一步设计二、成熟气井排水采气泡沫剂的优选1、试验装置及步骤2、结果与讨论3、结论第二节 泡沫排水采气技术研究及应用一、泡沫辅助气举（FAGL）联合应用于排液气井1、介绍2、案例研究3、结论二、毛细管表面活性剂注入高温积液气井优化生产1、排水采气人工举升系统的选择2、毛细管表面活性剂注入井评价3、毛细管表面活性剂注入法的工作原理4、CSI实验室测试5、作业程序6、作业结果及产量预测7、结论三、成熟气田排水采气：修井安装速度管柱后预测和观察速度的比较1、井筒积液2、气井排水采气3、方法4、历史拟合5、结果6、讨论7、经济性8、结论

气田开发经济效益评价是指气田开发项目的经济评价，经济评价是指在一定的社会制度条件下，采用现代的分析方法，对投资项目从工程、市场、技术、社会、经济、资源、环境等各方面进行全方位的调整、预测、分析、计算和论证，从而来判断的考察投资项目的经济合理性与可行性，为正确的决策提供可靠的经济理论依据。

摘要：随着全球数据总量的持续增长和急速膨胀，人类已经步入大数据时代。大数据是指信息量特别大的数据集，具有数据体量大（Volume）、数据类别多（Variety）、数据处理速度快（Velocity）、价值密度低（Value）的“4V”特点。作为大数据分析和处理的重要工具，以人工神经网络、支持向量机以及深度学习为代表的机器学习主要研究如何通过算法让计算机从过去的经历中学习经验，并从海量不确定性的历史数据中寻找知识规律、建立学习模式，进而识别新的数据或预测未来发展趋势。地震勘探大数据具有数据采集来源单一（collection）、容量大（content）、计算量大（calculation）和处理流程复杂（complexity）的“4C”特征。对于海量的地震数据，常规的方法已不能满足快速处理大数据的要求。为此，国内外学者将互联网大数据的机器学习方法引入到地震勘探大数据的计算过程当中，用于解决回归、分类和聚类问题，并根据不同类型问题的特点提出了一系列基于机器学习的地震勘探大数据计算方法。随着人工智能技术与计算机硬件的快速发展，机器学习方法在互联网大数据中得到了推广应用，同时也为地震勘探大数据的计算提供了新的解决思路。《国外人工智能地震勘探技术研究现状及发展趋势》通过借鉴互联网大数据中的机器学习方法，较好地解决了地震勘探大数据的回归、分类和聚类问题。本报告首先介绍的是国外人工智能地震勘探技术研究现状及发展趋势。人工智能机器学习方法分为监督学习（SupervisedLearning）、无监督学习（UnsupervisedLearning）以及半监督学习（Semi-SupervisedLearning）。监督学习方法具体包括卷积神经网络（CNN）、深度残差网络、循环神经网络（RNN）、概率神经网络（PNN）、生成对抗网络（GAN）；无监督学习方法具体包括、K均值（K-means）、模糊聚类、自组织神经网络（SOM）、主成分分析（PCA）、独立成分分析（ICA）、高斯混合模型(GMM)；半监督学习方法具体包括半监督分类、半监督回归、半监督聚类、半监督降维。以及监督学习方法在地震勘探回归问题中的应用现状，如：智能去噪、地震速度自动拾取、叠后波阻抗反演、叠前反演、全波形反演、储层参数预测；监督学习方法在地震勘探分类问题中的应用现状，如：地震相识别、初至自动拾取、断层自动解释、层位自动解释、岩性识别；无监督学习方法在地震勘探聚类问题中的应用现状。并针对人工智能机器学习在地震勘探应用中面临的挑战，对地震勘探大数据的发展方向和前景进行了展望。其次是监督学习方法在地震勘探回归问题中的研究及应用。详细分析了利用人工神经网络（ANN）、卷积神经网络（CNN）、循环神经网络（RNN）、Hopfield神经网络、深度学习等监督学习方法在地震勘探回归问题中的研究及应用，具体包括用于智能去噪、地震速度自动拾取、叠后波阻抗反演、叠前反演、全波形反演、储层参数预测方面的新理论、新方法、新应用（效果）。再次是典型监督学习在地震勘探分类问题中的研究及应用。详细分析了利用概率神经网络（PNN）、贝叶斯网络、支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）、深度学习等方法在地震勘探分类问题中的研究及应用，具体包括用于地震相识别、初至自动拾取、断层自动解释、层位自动解释、岩性识别等方面的新理论、新方法、新应用（效果）。然后是无监督学习方法在地震勘探聚类问题中的研究及应用。详细分析了利用K-means、自组织神经网络、主成分分析、独立成分分析、模糊聚类、高斯混合模型(GMM)等聚类方法解决地震勘探聚类问题中的新理论、新方法、新应用（效果）。最后是半监督学习（SSL）方法在地震勘探中的研究及应用。详细分析了利用半监督回归、半监督分类方法用于声阻抗反演、初至波自动拾取、地震相分类等方面的新理论、新方法、新应用（效果）。通过调研总结翻译撰写国外人工智能地震勘探技术的新理论、新方法、新应用（效果）等方面内容，为国内人工智能地震勘探技术的研究及应用工作提供指导、借鉴、思路支撑作用。关键词：人工智能、地震勘探、机器学习、监督学习方法、无监督学习方法、半监督学习方法、人工神经网络（ANN）、贝叶斯网络、支持向量机（SVM）、卷积神经网络（CNN）、循环神经网络（RNN）、概率神经网络（PNN）、生成对抗网络（GAN）、深度残差网络、Hopfield神经网络、深度学习、K均值（K-means）、模糊聚类、自组织神经网络（SOM）、主成分分析（PCA）、独立成分分析（ICA）、高斯混合模型(GMM)、半监督分类、半监督回归、半监督聚类、半监督降维、智能去噪、地震速度自动拾取、叠后波阻抗反演、叠前反演、全波形反演、储层参数预测、地震相识别、初至自动拾取、断层自动解释、层位自动解释、岩性识别  目录第一章 人工智能地震勘探技术研究现状及发展趋势 第一节 人工智能地震勘探方法概述一、人工智能机器学习方法分类1、监督学习（SupervisedLearning）2、无监督学习（UnsupervisedLearning）3、半监督学习（Semi-SupervisedLearning）二、监督学习方法1、人工神经网络（ANN）2、贝叶斯网络3、支持向量机（SVM）4、卷积神经网络（CNN）5、循环神经网络（RNN）6、概率神经网络（PNN）7、生成对抗网络（GAN）三、无监督学习方法1、K均值（K-means）2、模糊聚类3、自组织神经网络（SOM）4、主成分分析（PCA）5、独立成分分析（ICA）6、高斯混合模型(GMM)四、半监督学习方法1、半监督分类2、半监督回归3、半监督聚类4、半监督降维第二节 人工智能在地震勘探中的应用现状及发展趋势 一、地震勘探大数据二、人工智能在地震勘探回归问题中的应用现状1、智能去噪2、地震速度自动拾取3、叠后波阻抗反演4、叠前反演5、全波形反演6、储层参数预测三、人工智能在地震勘探分类问题中的应用现状1、地震相识别2、初至自动拾取3、断层自动解释4、层位自动解释5、岩性识别四、人工智能在地震勘探聚类问题中的应用现状五、人工智能在地震勘探应用中面临的挑战及发展趋势第二章 监督学习在地震勘探回归问题中的研究及应用第一节 智能去噪技术研究及应用一、利用卷积神经网络对混合噪音进行分类和压制1、混合采集与处理2、机器学习3、混合数据的机器学习方法4、数据示例5、结论与讨论二、利用深度残差网络进行地震数据去噪1、介绍2、方法3、实验4、结论三、复值残差卷积神经网络在f-x域地震随机噪音衰减中的应用1、介绍2、理论3、方法4、结果与讨论5、结论四、利用有噪音的自然图像进行监督深度学习实现微震和地震噪音衰减1、介绍2、方法3、实例4、结论第二节 地震速度自动拾取技术研究及应用一、基于卷积神经网络的速度自动拾取1、介绍2、建立训练数据集3、时差归一化4、卷积神经网络架构5、实例6、结论二、利用循环神经网络进行叠加速度估计1、介绍2、理论3、结果4、讨论与结论三、利用Hopfield神经网络进行地震速度拾取1、通过Hopfield神经网络进行地震速度拾取2、实验结果3、结论第三节 叠后波阻抗反演技术研究及应用一、地震波阻抗反演的卷积神经网络方法1、介绍2、地震反演工作流程3、方法：生成训练数据集4、方法：神经网络架构5、结果6、所有实验的CNN预测编码7、结论二、利用时间卷积网络对地震数据进行声阻抗估计1、介绍2、时间卷积网络3、问题公式化4、方法5、结果与讨论6、结论第四节 叠前反演技术研究及应用一、利用物理学指导的卷积神经网络进行叠前反演1、介绍2、理论3、结果4、讨论5、结论二、用于高分辨率叠前地震反演的Hopfield网络1、介绍2、理论3、结果4、讨论与结论三、利用交叉形深度Boltzmann机进行深度学习解决叠前反演问题1、介绍2、方法3、结果4、结论第五节 全波形反演技术研究及应用一、使用卷积神经网络提取特征的全波形反演1、介绍2、理论3、CNN-FWI4、综合测试5、结论二、利用卷积神经网络进行准确高效的地震波形反演1、数据驱动技术2、深度卷积神经网络3、方法4、数值结果5、结论三、学习或记忆：数据驱动地震全波反演的泛化问题研究1、介绍2、理论3、方法及算法4、结果5、结论四、利用FWI和深度学习方法研究井间地震资料速度异常特征1、测试模型和采集几何2、走时层析成像和FWI3、方法4、结果5、结论第六节 储层参数预测技术研究及应用一、应用人工智能方法根据新的地震属性预测含水饱和度1、介绍2、数据信息3、人工智能(AI)技术综述4、结果与讨论5、结论二、利用卷积神经网络根据叠前地震数据预测岩石物理性质1、介绍2、生成标记数据集3、神经网络结构4、结果5、结论三、用人工神经网络作为全波形反演的先验模型得到岩石物理地震图像:来自哥伦比亚的案例研究1、介绍2、分析及解释3、地震规模的岩石物理参数4、正演模拟5、反演6、结果7、结论第三章 典型监督学习在地震勘探分类问题中的研究及应用第一节 地震相识别技术研究及应用一、基于神经网络的地震相识别与地层圈闭特征1、地质背景2、方法3、应用4、结论二、利用概率神经网络进行监督地震相分类1、介绍2、概率神经网络(PNNs)3、用于属性选择和监督地震相分类的详尽PNN工作流程4、地质背景5、数据描述6、利用详尽神经网络从背景地震模式中识别盐的地震属性选择7、结论与未来工作三、贝叶斯深度学习方法在地震相分类中的应用及不确定度估计1、介绍2、贝叶斯卷积编码器-解码器神经网络3、贝叶斯CNN的应用4、结论第二节 初至自动拾取技术研究及应用一、利用深度卷积神经网络提高初至波拾取精度 1、介绍2、方法3、实例4、讨论二、基于Lovasz损失和最近点拾取法的U-net初至拾取1、介绍2、方法3、实验4、结论三、利用像素级网络实现井眼地震数据的自动初至拾取1、介绍2、U-net架构3、输入数据准备4、训练及验证5、利用U-net进行初至拾取6、结论第三节 断层自动解释技术研究及应用一、卷积神经网络在地震成像断层解释中的应用1、介绍2、方法3、应用4、结论二、一种用于自动断层检测的深度学习方法1、介绍2、问题描述及训练数据集3、CNN模型及训练4、CNN结果与连贯性5、结论三、基于多属性支持向量机分析的地震断层检测1、介绍2、算法描述3、属性选择4、训练样本标签5、支持向量机SVM模型训练与测试6、体积处理7、结果与应用8、结论第四节 层位自动解释技术研究及应用一、深度学习在地震层位解释中的应用 1、介绍2、深度学习层位解释3、结论二、基于深度学习的地震数据层位自动识别方法1、相关工作2、方法3、结果4、结论三、利用编码器-解码器卷积神经网络进行半自动化地震层位解释1、介绍2、方法3、应用4、结论第五节 岩性识别技术研究及应用一、机器学习在Denver-Julesburg盆地三维地震资料中的应用提高了Niobrara的地层分辨率1、介绍及前期工作2、Niobrara及其周围地层的地质背景3、机器学习数据准备4、主成分分析分类法5、自组织映射神经网络6、SOM的调查结果及其解释7、泥灰岩的结果8、Codell结果9、构造属性10、结论二、利用人工智能算法在静态模型中进行岩石性质分布的地震表征1、人工智能算法2、区域地质背景3、速度模型4、数据预处理5、结果-岩石性质的地震体6、静态模型中的岩石性质分布7、结论三、利用循环神经网络对地震数据进行岩石物性评价1、介绍2、前馈和循环神经网络3、方法4、实验评价5、结论第四章 无监督学习方法在地震勘探聚类问题中的研究及应用第一节 K均值方法研究及应用一、速度自动拾取的机器学习算法：K均值与DBSCAN 1、介绍2、方法3、实例4、结论二、基于广义序贯K均值的多维地震去噪快速字典学习1、介绍2、方法3、实例4、结论三、通过来自地震属性的无监督模式识别实现3C表面波检测和分类1、介绍2、方法：表面波检测和分类3、现场数据示例4、讨论和结论四、特拉华盆地无监督机器学习相分类及其与有监督贝叶斯相分类的比

摘要：人工智能最初是在1956年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门性的技术学科。其研究范畴包括自然语言处理，知识表现，智能搜索，推理、规划，机器学习，知识获取，组合调度问题、感知问题、模式识别，逻辑程序设计软件计算，不精确和不确定的管理，机器人，神经网络，复杂系统，遗传算法和专家系统等。人工智能自诞生以来，理论和技术日益成熟，应用领域也不断扩大。早在上世纪80年代中期，人工智能技术与计算机硬件体系结构的密切结合，出现了一批适应勘探开发需要的实用技术。这些技术发展到今天，以人工神经网络技术、模糊逻辑、专家系统为代表的人工智能技术应用较为活跃，已经渗透到石油勘探开发的各个环节，对石油工业产生了重要的影响。本报告通过调研国外近年来的人工智能技术的研究和应用情况，介绍了在钻完井中的人工智能技术研究及应用。各章节的主要内容如下：第一章介绍了人工智能技术在钻完井中的应用现状与趋势，即人工智能技术在钻完井系统设计与运行中的应用、存在的问题以及发展方向；第二章介绍了人工智能在布井和井位优化方面的研究与应用，包括人工智能布井及性能预测以及各种人工智能技术（人工神经网络、贝叶斯决策网络和模糊逻辑）用于水平井井位优化的研究与应用；第三章介绍了基于人工智能技术的钻井自动化及专家系统的研究及应用，包括的内容有：基于人工智能技术的钻井自动化系统，基于人工智能技术的贝叶斯算法开发的钻井专家决策系统，基于人工智能技术的专家系统的井身结构研究及应用；第四章介绍了人工智能技术用于钻井效率预测和优化的研究与应用，包括人工神经网络、模式识别、专家系统、机器学习、数据挖掘及其综合使用等技术；第五章介绍的是人工智能技术在钻完井液方面的研究应用，包括机器学习、人工神经网络和贝叶斯网络等技术；第六章介绍的是人工智能技术在钻完井事故及钻井作业管理方面的研究与应用，主要包括支持向量机、人工神经网络以及机器学习等技术；第七章介绍的是机器人技术在钻井中的研究与应用；第八章介绍了完井人工智能技术的研究与应用。目前，虽然中国在人工智能研究方面有了长足的进步，但是与国外相比还处于相对落后的状态，尤其是人工智能技术在油气勘探开发领域。本报告在调研了大量的国外最新文献基础上，研究总结了在钻完井中的人工智能技术的最新成果。希望本报告能够给相关领域的工作人员带来新思路，为我国的钻完井实现智能化做出贡献。 正文目录第一章 人工智能技术在钻完井中应用的现状趋势第一节人工智能技术在钻完井系统设计与运行中的应用一、钻井规划二、实时钻井优化三、井的完整性四、排除运行故障五、模式识别六、程序性决策第二节人工智能技术在钻完井系统设计与运行中存在的问题第三节人工智能技术在钻完井中应用的发展方向第二章人工智能技术在布井和井位优化方面的研究与应用第一节利用人工智能布井并预测其性能一、简介二、方法三、数据生成和网络培训四、向前作用模型五、向后作用模型六、结果与讨论七、结论第二节基于人工智能算法的水平井井位优化研究与应用一、人工神经网络算法的水平井井位优化1、简介2、油藏模拟模型3、油藏性能预测4、神经网络模型5、井身结构6、性能预测7、预测情景结果8、结论二、贝叶斯决策网络的水平井井位优化1、简介2、影响图3、决策分析循环4、问题陈述5、解决方法6、结论三、模糊逻辑的水平井井位优化1、油田背景2、目标3、模糊逻辑4、可用数据和3D地球模型5、油田开发实践与水平井钻井6、模糊逻辑在确定井位中的应用7、结果与讨论8、结论四、人工蜂群ABC算法优化井位的潜力第三章基于人工智能技术的钻井自动化及专家系统中的研究及应用第一节基于人工智能技术的钻井自动化系统一、钻井参数现场数据分析自动化系统1、简介2、钻井参数优化问题3、数据库4、钻井参数统计分析方法5、计算实验的结果6、结论二、钻井系统自动化路线图1、简介2、钻井系统自动化（DSA）路线图挑战2.1、系统结构2.2、通信联络2.3、仪器和测量系统2.4、钻机和设备2.5、控制系统2.6、模拟系统和建模2.7、人为系统整合2.8、认证和标准第二节基于人工智能技术的贝叶斯算法开发的钻井专家决策系统一、基于贝叶斯网络开发钻井专家系统1、简介2、贝叶斯网络介绍3、完井模型4、钻井液模型5、固井模型6、井控模型7、自动化8、结论二、利用人工贝叶斯智能开发的最佳欠平衡钻井作业准则1、简介2、欠平衡钻井专家系统3、讨论4、结论三、用于钻机性能分析和选择的混合智能决策支持系统1、简介2、基本理论2.1、基于距离的方法模型2.2、模糊逼近理想解的排序法（FTOPSIS）模型3、推荐方法3.1、属性描述3.2、混合概念模型4、案例研究与结果分析5、结论第三节基于人工智能技术的专家系统的井身结构研究及应用一、开发和利用综合专家系统设计多分支井井身结构以及预测储层物性和性能1、问题描述2、方法3、人工神经网络4、预测专家系统开发5、容积式单相气藏多分支井井身设计咨询系统（MLWDAS）的开发6、容积式单相气藏（VSPGR）的储层评估专家系统的开发7、产量递减专家系统的开发8、将人工专家系统集成到图形用户界面中9、总结二、利用专家系统预测非常规油气藏先进井身结构性能1、简介2、方法3、神经网络训练4、神经网络评价和测试5、结果与讨论6、结论第四章预测和优化钻井效率的人工智能技术的研究与应用第一节利用人工智能优化机械钻速一、简介二、工作流程三、勘探分析四、建立模型五、结果与结论第二节人工神经网络智能技术在机械钻速方面的研究及应用一、利用人工神经网络开发的机械钻速预测模型1、简介2、模型开发3、误差分析4、模拟机械钻速5、结论二、利用人工神经网络预测钻速指数1、简介2、早期研究概述3、输入参数4、人工神经网络5、数据分析与结果6、结论三、利用人工神经网络钻井参数优化系统提高机械钻速1、简介2、案例研究3、结论四、利用神经网络优化钻井水力学1、简介2、钻井优化技术概述3、人工神经网络方法概述4、网络设计用于钻井数据5、网络模拟结果6、讨论与结论五、利用人工神经网络优化机械钻速的案例研究1、简介2、机械钻速模型3、人工神经网络4、方法5、结果6、结论第三节模式识别及模糊逻辑提高钻井效率一、利用模式识别提高钻井效率1、简介2、方法3、试验结果4、结论二、使用模糊逻辑预测页岩地层机械钻速第四节利用专家系统实时诊断钻头状态一、简介二、系统描述三、应用案例四、结论第五节机器学习方法提高钻速研究应用一、利用机器学习方法确定减小钻柱振动的最佳区域1、简介2、钻井过程中遇到的振动问题3、机器学习1、机器学习理论2、机器学习如何解决振动问题4、利用主分量分析压缩数据5、分类6、案例研究7、结果8、结论二、机器学习的应用在钻井机械钻速的估计——伊朗的一个案例研究三、基于机器学习的定向钻井改进第六节利用数据挖掘和预测分析提高井的工作效率一、简介二、井工作评估跟踪系统概述三、数据挖掘和预测分析的油气价值四、数据驱动的预测分析方法五、结论第五章人工智能技术在钻完井液方面的研究与应用第一节基于人工智能的机器学习算法的钻井液研究一、利用机器学习算法设计钻完井液的智能工具1、简介2、非线性回归的机器学习方法3、方法4、结论二、利用机器学习开发软件预测盐层下钻探区的泥浆比重1、简介2、方法3、软件结构4、结果5、结论第二节利用人工神经网络实时预测氯化钠水基钻井液的流变参数一、简介二、人工神经网络三、油田数据描述四、粘度计读数的数学模型的建立五、相关性验证六、马氏表观粘度七、结论第三节利用贝叶斯网络在沙特阿拉伯模拟钻井液实践一、简介二、模型的理论依据三、钻井液专家模型四、讨论五、结论第四节 用混合人工智能技术实时测定钻井液流变特性第六章人工智能技术在钻完井事故及钻井作业管理和控制方面的研究及应用第一节利用人工智能技术预测卡钻一、利用支持向量机模型预测卡钻1、简介1.1、压差卡钻1.2、机械卡钻1.3、支持向量机1.4、最小二乘法支持向量机1.5、耦合模拟退火2、性能评价2.1、分类精度2.2、混合矩阵3、数据汇总4、结果与讨论5、结论二、人工神经网络与支持向量机在卡钻预测中的应用1、简介2、机器学习和计算软件3、方法4、结果5、结论第二节利用人工神经网络预测钻井事故的研究及应用一、人工神经网络在预测钻井故障中的应用1、简介2、油气井的施工故障3、问题的提出和神经网络的使用4、故障数据库5、模拟试验6、预测算法的实现7、结果与结论二、利用人工神经网络模型预测井筒不稳定性1、简介2、方法3、程序4、数据采集与分析5、结果与讨论6、结论三、利用人工神经网络方法预测油气井井筒稳定性1、简介2、人工神经网络3、井筒不稳定机理及有效参数4、数据库汇编和数据分析5、结果与讨论6、结论第三节利用机器学习检测钻井事件一、简介二、钻井数据采集三、钻井事件检测四、事件序列描述五、无监督的机器学习六、模式识别七、分类八、数值模拟九、结论第四节利用人工智能技术预测和检测井漏一、利用人工智能预测枯竭地层裂缝宽度和防漏材料筛选1、简介2、防漏方法3、背景与理论4、方法5、结果6、结论二、基于自适应实时机器学习的流入和漏失检测报警系统1、简介2、标准机器学习方法3、自适应，实时流出和泥浆池体积界限4、算法性能与评估5、示例数据分析和案例研究6、结论第五节利用人工智能提高钻井作业管理和控制一、简介二、井底压力预测模型1、井流动模型2、卡尔曼滤波器群3、虚拟传感器4、支持向量机三、井底压力预测1、模型的集合2、灰箱四、结论三、结论与建议第七章机器人技术在钻井中的研究与应用第一节机器人技术首次用于钻井平台一、简介二、技术/原理三、系统价值四、资质与商业化五、钻井平台机器人的介绍1、钻井平台机器人的测试2、钻井平台机器人在北海半潜式平台上的测试3、管道处理机在美国陆地钻机上的测试4、全机器人系统测试六、结论第二节机器人钻井系统在极端环境中的应用一、简介二、机器人钻井系统初步研究三、全自动钻井平台四、极端的环境温度挑战五、管排中钻杆的自主识别六、结论第三节CRD100海底机器人钻井平台的改进和功能一、当前机器人钻井设计二、从以前的钻井中吸取的经验教训三、改进内容及方法1、耐压电子仪器使用分布式I/O2、分层控制系统3、电缆工具处理4、运行时间分析5、高度自动化四、结论第八章完井人工智能技术的研究与应用第一节利用人工贝叶斯智能进行最佳完井设计的专家系统一、简介二、贝叶斯方法三、决策模型的理论依据四、完井专家模型五、交界分类决策六、工作液七、水平井完井八、射孔九、裸眼砾石充填十、封隔器选择十一、最终结果十二、完井专家系统案例十三、讨论与结论第二节利用神经网络快速评估分区式致密储层完井设计趋势一、简介二、方法三、现场应用四、结果与讨论五、结论

由表1和图1可以看出，在2014~2016年期间道达尔公司和埃克森美孚公司的干探井占总探井百分比先上升后下降，相比之下，道达尔公司的变化幅度更明显;而BP公司和壳牌公司的变化趋势刚好与上述两家公司相反，但BP公司的变化幅度更大;雪佛龙公司几乎成直线下降趋势。从2016年的结果来看，BP公司的干探井占总探井的百分比最高，达到46.71%;道达尔公司和埃克森美孚公司的这一百分比分别为22.22%和28

由表1和图1可以看出，在2014~2016年期间，五大油公司的收入均呈现出大幅度减少的趋势，但是在相同的年份里，他们的总收入排位顺序没有改变，即高收入的公司始终处在高收入水平，低收入公司依然处在低收入水平。由图1可以看出2014~2015年总收入减少幅度较2015~2016年更大。与2014年相比，2016年总收入降幅最低的为道达尔公司的36.58%，其他四家公司的降幅均在45%左右，其中降幅最大