油气历来是能源领域最为重要的资源之一， 目前，全球范围内已探明石油可采资源量为5 350.0x108 t、凝析油可采资源量为496.2x108 t、天然气可采资源量为588.4x1012 m³。世界上针对油气探索领域的主要方法为地质勘探，地震勘探，以及钻井勘探。
人工智能和大数据技术正在逐步成为地质勘探领域中的核心解决方案被应用与各个场景中，从卫星遥感数据分析，到航空照片优化，再到油气田特征建模。人工智能已成为数字化勘探的一部分，并大范围提高油气田勘探准确性。
近几年来，国际油气价格持续波动，并在2017年达到近5年来油气市场交易总额最低点。全球范围内全年交易总额仅为3435亿美元。虽然，全球范围内常规油气资源储量仍然丰富，但各大公司都在防患于未然，开始持续加注油气勘探领域，希望通过增加探明储量，以增加资产，从而应对全球油气价格的不确定性。2019年，国际油气行业巨头如Total，BP都明确表示将立志尽快落地油气勘探中人工智能的应用以增强竞争。而地质勘探不仅是油气勘探领域中的第一步，也是人工智能相关技术落地的突破口。
计算机视觉：是指机器代替人眼对目标进行识别、和测量，并进一步进行图像处理的技术。在地质勘探领域，计算机视觉被广泛应用于针对卫星遥感和航空照片图像数据的分析，识别，标注以及测量。
图像增强：是指利用不同算法针对空域内相关图像数据的灰度变换，对比度，度，高反差进行调整，以让图像变得清晰可见，并去除不必要的噪点。在地质勘探领域被广泛应用对图像数据的清晰度增强，大幅度提升地质数据的准确性，让其他油气储量、预测性算法更为精确。
机器学习：是指利用规律对未知数据进行预测的算法。目前，在地质勘探领域被广泛应用于图像增强，数据分析，3D建模等多个领域以及维度。与此同时，多个机器学习算法也在试图利用监督学习，无监督学习与增强学习等手段进一步提升与优化相关准确性以及精度，以确保所得出地质勘探结果的可靠性。
大数据技术：大数据技术的体系庞大，基础技术包括数据采集，数据预处理，数据仓库等。正式如此，大数据正在成为各大行业的用来加速数字化进程的必不可缺手段，在地质勘探领域也不例外，以数字数据为基础的分析正在逐渐取代人工分析舞台。
物联网技术：是指通过传感器，RFID，携带末端设备，和设施等通过内网，专网，或互联网实现对“”监管，控制与运营一体化的技术。目前在地质勘探领域被广泛应用于数据采集以及终端分析。
沉浸式技术：是人视觉，听觉或触觉沉浸在身临其境的虚拟中，被广泛运用于勘探领域对于地质结构层级的罗列以及展示。
其他周边场景：由于本报告探讨人工智能技术的范围有限，所以只罗列了油气勘探中地质勘探的部分前沿应用案例，故并未包含一些热门且成熟的相关应用。
Earth AI：Earth AI正在与NASA合作利用庞大的卫星遥感以及航空照片数据，通过计算机视觉与机器学习算法分析地质中可能存在的未探知的油气田以及矿物。该系统还可根据实地勘探结果因素的录入，进一步优化机器学习算法对地质分析结果的准确性以及精确度。
Minerva Intelligence：Minerva利用沉浸式，机器学习与人工智能技术，从度解决在数据补全的情况下进行地质分析与勘探，以发掘未被探知的油气田以及矿产。该系统针对油气勘探的准确率经过验证可达到近88%的成功率。
ExxonMobil：ExxonMobil与MIT合作利用NASA的数据使用计算机视觉，图像增强，以及大数据技术分析海洋层面地理地质数据，并构建含油构造图，从而帮助企业大幅度减少探索成本以及时间。
Total：Total与Google合作利用海量地理地质数据构建了可以帮助地质学家以及地质信息工程师减少地质勘探时间以及人工的机器学习算法，并利用此算法构建对应的地质图。该算法和地质图相当于帮助相关工作人员配备了私人助手以让他们更加专注于更高价值的地质勘探工作。山柳村的寡妇
Belmont Technology：BP投资的Belmont Technology初创公司利用人工智能与机器学习技术通过分析度的地质地理数据可以进行逆向工程学以得到更为精确的地质勘探结果，让油气勘探的成本直线下降，并可对开采，钻井的后续过程提出优化以确保各环节的高效率。
缺乏熟练掌握地质语言的大数据分析人才：油气勘探行业的技术门槛相对较高，而较之金融，健康医疗的行业相对冷门。这让传统油气勘探数据分析人才缺口巨大。但油气勘探中人工智能的应用往往离不开这些具备地质知识的人才。
地质数据格式难以标准化：油气勘探中的地质勘探往往涉及多个学科不同数据，如气象数据，地质数据，化学数据等这让从各公司，各职能部门抽取或获取数据的难度直线上升，而人工智能往往需要海量的数据以训练机器学习算法来增加精确度与准确度。
能源企业对人工智能技术投入不足：数字化进程以及人工智能技术的推进需要能源企业的持续投入，但往往能源企业在新技术投资方向的比例较少，而大部分采取的是收购策略，这让人工智能技术投产的周期在勘探领域所花费的时间较长。
资料采集方面应建立持续性与实时化的地质观测网络：由于地质勘探对各种因素要求较高，持续实时地质，天气，海文等数据成为了未来发展的必然性。持续收集上述数据可让后续的勘探工作分析更加精确与准确。
地质数据处理方面，数据质量持续提升：机器学习等模型将持续介入地质勘探领域，从度提升数据的准确性以及干净程度。优化算法将在后续地质勘探中成为核心技术，让数据质量得到质的提升以确保油气田勘探的准确性。
机器设备智能化：勘探设备的智能化与联网化正在成为度数据的核心基础，目前深水，高寒等的机器人已经逐步普及。无人化，联网化的勘探设备正在成为必然性。
*本文为「智周」系列报告「核心版」，相应「深度版」的推出计划将在后续公布，敬请大家关注。针对「油气勘探中人工智能技术的应用现状及展望-地质勘探篇」这一主题，有哪些方向或主题，你希望在报告深度版中读到更详细的阐述与分析，欢迎留言，这将成为我们制作报告深度版的重要参考。返回搜狐，查看更多