-
题名深度学习技术在油气勘探中的研究进展与应用挑战
- 1
-
-
作者
于强
王宝江
张禄明
田涛
高志亮
任战利
畅伟
-
机构
长安大学地球科学与资源学院
长安大学智慧油气田研究院
凉山农业数字化转型四川省高等学校重点实验室
西昌学院信息技术学院
西昌学院机械与电气工程学院
陕西省煤田地质集团有限公司
西北大学
-
出处
《天然气工业》
北大核心
2025年第5期43-56,共14页
-
基金
国家自然科学基金项目“羌塘盆地构造热体制与烃源岩热演化时空差异”(编号:42241204)
“热年代学及多种古地温温标约束下银额叠合盆地苏红图坳陷上古生界热演化史恢复”(编号:42272152)
+2 种基金
西昌学院博士科研启动项目“基于地震信息处理的断缝识别技术研究”(编号:YBZ202138)
校企合作项目“镇巴地区页岩气藏三维地质模型构建与分析”(编号:YQZC-FW-2023-050)
延长油田股份公司施工项目“吴起采油厂胜利山智慧油气田建设二期”(编号:YT5323GST0004)。
-
文摘
随着全球能源领域“数智”及人工智能时代的到来,油气勘探面临着前所未有的机遇和挑战。深度学习技术作为人工智能领域的重要分支,在油气勘探中应用场景广泛,对其综合分析可为解决新时代油气勘探中复杂问题提供新的思路和方法。为此,通过深度学习技术在地震勘探、测井、岩石薄片鉴定、油藏地质建模、油气大模型等勘探领域中的应用综述,重点阐述了卷积神经网络(CNN)及其变体在地震勘探中的应用,分析了其优势与局限性,并根据目前深度学习技术面临的挑战,指出了油气勘探领域对大模型的探索方向和应用潜力。研究结果表明:①深度学习技术已广泛应用于地震资料解释、测井分析、油藏评价等油气勘探领域,以CNN为代表的深度学习方法在去噪、速度建模、构造解释、地震反演等地震资料的处理与解释方面展现出巨大的应用潜力;②深度学习技术在测井评价、岩石薄片鉴定、油藏地质建模、油气大模型等任务中不仅能有效地提升勘探效率和精度,还能从复杂数据中发现新的规律,提出对油气勘探中非线性问题的解决方案;③深度学习技术在训练数据的质量及代表性、数据集的整合和共享、技术合作与交流等方面还存在问题与挑战。结论认为,基于大数据的深度学习技术将是未来油气勘探的主要技术手段,应建立一套完善的数据管理框架,注重数据标准化和质量控制,创新或持续优化现有模型,加大数据整合与共享,注重地质复杂性和非结构化解释等方面工作,以上工作将有助于推动油气地质勘探领域的科技进步和数智化发展。
-
关键词
深度学习
油气勘探
地震资料处理
测井数据解释
油藏地质建模
-
Keywords
Deep learning
Oil and gas exploration
Seismic data processing
Well logging data interpretation
Reservoir geological modeling
-
分类号
TE132
[石油与天然气工程—油气勘探]
-
-
题名高分六号宽幅遥感影像在复杂山区地物分类中的应用
- 2
-
-
作者
张禄明
王宝江
孙洪
钟昆
李丹
-
机构
凉山农业数字化转型四川省高等学校重点实验室
西昌学院
-
出处
《安徽农学通报》
2024年第17期63-68,共6页
-
基金
西昌学院博士科研启动项目(YBZ202138)。
-
文摘
为评估其在多类地物分类中的有效性,本研究利用GF-6宽幅遥感影像(WFV),对四川西南部复杂山区开展大尺度地物分类研究。通过波段组合和植被指数计算,提升对植被健康状况的监测能力。特别是红边波段(B5)和黄波段(B8)的引入,为植被和土地利用分类带来了技术优势。在监督分类方法方面,采用了马氏距离、极大似然法、卷积神经网络(CNN)和支持向量机(SVM)4种方法。结果表明,SVM在处理高维光谱数据和复杂地形条件下表现出色,分类精度最高。马氏距离和极大似然法的分类精度较低,主要受数据假设和样本量限制的影响,而神经网络方法的表现不佳,主要是由于训练样本数量和多样性的不足,导致模型的泛化能力不强。综合以上结果,GF-6WFV影像在地物分类中展现出优异性能,尤其在精准农业和林业管理方面。未来研究应关注多源遥感数据的整合,优化算法以提升分类精度,并减少计算资源消耗。
-
关键词
山区地物分类
宽幅遥感影像
多光谱信息
红边波段
支持向量机监督分类
-
Keywords
mountain feature classification
wide field of view
multispectral information
red-edge
Support vector machine classification
-
分类号
Q948
[生物学—植物学]
TP79
[自动化与计算机技术—检测技术与自动化装置]
-
