通讯员 田宏远 唐 诚 蒲万通 王 政

将机器学习算法引入页岩气的解释评价参数计算，相当于借助AI来识别油气藏。日前，中国石化经纬公司西南测控公司技术研发团队在国内首创“基于机器学习算法的页岩气评价参数计算模型”，获取岩石矿物含量、有机碳、孔隙度、密度、含气量等参数，累计支撑200余口页岩气井测试选层。 

四川盆地及周缘地区是我国海相页岩气勘探开发的主战场，由于页岩气储层的岩性、物性、含气性等特征与常规油气藏相比有明显的不同，页岩评价参数主要依赖测井或实验室资料，为随钻评价带来了难题。而且迫于页岩气开发的降本增效压力，大量页岩气水平井的测井项目少甚至不测井，导致甜点评价参数匮乏，无法满足测试选层需求。

如何将人工智能技术与油气田开发有效结合，借助AI使有限的测录井参数得到充分利用，让复杂问题在机器学习和深度学习方法下获得最优求解和突破？西南测控公司“基于机器学习算法的页岩气评价参数计算模型”，使这一想法成为现实。

机器学习算法是人工智能的核心，它涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习算法就是训练计算机使之模拟人类的学习行为，从大量的数据中学习到相关的规律和逻辑，然后利用学习来的规律进行分类或预测未知事物，完成较人脑更高效、更准确的判断和决策，在处理非结构化数据、大数据量数据的利用、解决大规模变量等方面显示出独特的优势。

西南测控公司研发团队在对机器学习算法进行调研的基础上，优选适合的算法，把气测录井、地质录井、元素录井、地化录井、能谱录井、随钻伽马等测录井数据作为数据源，建立了支持向量机、多元自适应回归样条、神经网络算法等多种基于机器学习算法的页岩参数计算模型，并制订形成了页岩气储层甜点的随钻评价分类标准，其中“基于XRF元素录井随钻中获取页岩TOC参数的方法”和“一种录井作业中随钻评价岩层孔隙性的方法”获国家发明专利。

该成果在页岩气勘探开发中得到应用，200余口井的应用结果显示“基于机器学习算法形成的页岩评价参数计算模型”与其他方法实测结果趋势吻合性好、误差小,能为页岩气井提供重要的评价参数，不仅能够随钻获得岩石密度、有机碳、岩石组分等关键评价参数，同时还提高了页岩气评价参数的计算精度，为随钻快速评价、压裂设计提供了有力的技术支持。