黃家宸，張金川

（1.中國石化石油勘探開發(fā)研究院，北京100083；2.中國地質(zhì)大學(xué)（北京）能源學(xué)院，北京100083；3.自然資源部頁巖氣資源戰(zhàn)略評價(jià)重點(diǎn)實(shí)驗(yàn)室，北京100083；4.非常規(guī)天然氣能源地質(zhì)評價(jià)與開發(fā)工程北京市重點(diǎn)實(shí)驗(yàn)室，北京100083）

機(jī)器學(xué)習(xí)是一種泛化能力較強(qiáng)的數(shù)據(jù)驅(qū)動(dòng)預(yù)測方法。李航[1]、周志華[2]在專著中全面、系統(tǒng)、詳細(xì)地介紹了各類常見機(jī)器學(xué)習(xí)算法的原理，GOODFELLOW等[3]在專著中詳細(xì)地介紹了機(jī)器學(xué)習(xí)的數(shù)學(xué)基礎(chǔ)、使用經(jīng)驗(yàn)以及現(xiàn)階段的理論及發(fā)展。機(jī)器學(xué)習(xí)任務(wù)目標(biāo)可以分為多類，包括分類和回歸（有監(jiān)督學(xué)習(xí)）、聚類（無監(jiān)督學(xué)習(xí)）、時(shí)序分析、概率圖模型、強(qiáng)化學(xué)習(xí)等，已在一些典型場景中大量應(yīng)用。

機(jī)器學(xué)習(xí)在非互聯(lián)網(wǎng)領(lǐng)域的應(yīng)用通常被稱為“AI+”，它可以代替研究人員完成重復(fù)的、經(jīng)驗(yàn)性的工作，也可以用來提取人工難以處理的復(fù)雜信息，從而對數(shù)據(jù)進(jìn)行更深入地挖掘。由于機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用產(chǎn)生了巨大的效益，目前，科研工作者正致力于改良機(jī)器學(xué)習(xí)算法以適應(yīng)實(shí)際應(yīng)用場景。

要使用機(jī)器學(xué)習(xí)解決實(shí)際問題，首先要對問題進(jìn)行描述。機(jī)器學(xué)習(xí)問題可以描述為：通過已知數(shù)據(jù)來預(yù)測未知數(shù)據(jù)的屬性，其中每個(gè)樣本可以包含多個(gè)屬性。在有監(jiān)督學(xué)習(xí)的分類問題中，監(jiān)督學(xué)習(xí)的訓(xùn)練樣本包含對應(yīng)的“標(biāo)簽”，樣本標(biāo)簽屬于兩類或者多類，是離散型變量；在回歸問題中，樣本標(biāo)簽包括一個(gè)或者多個(gè)連續(xù)變量。在無監(jiān)督學(xué)習(xí)中，訓(xùn)練樣本的屬性不包含標(biāo)簽，如聚類問題。

筆者介紹了目前常用于油氣田大數(shù)據(jù)分析的機(jī)器學(xué)習(xí)方法的原理、分類及歷史演變，充分調(diào)研后，總結(jié)了油氣大數(shù)據(jù)分析利用的特點(diǎn)與方法，舉例說明了具備一定的數(shù)據(jù)條件且適用機(jī)器學(xué)習(xí)的應(yīng)用場景。以動(dòng)態(tài)及靜態(tài)產(chǎn)量預(yù)測為例，將目前存在的問題歸納為：①研究的普適性及一般性不足；②研究應(yīng)用場景與價(jià)值不明確；③模型拓展應(yīng)用不足。針對以上問題提出了對策，旨在把握相關(guān)問題未來的研究重點(diǎn)。

1 機(jī)器學(xué)習(xí)原理及分類

機(jī)器學(xué)習(xí)的流程如圖1所示。首先，選擇具有相同屬性的、標(biāo)簽分布較為均衡的若干樣本，并隨機(jī)劃分一部分為訓(xùn)練集、一部分為測試集。再進(jìn)行數(shù)據(jù)的預(yù)處理，如歸一化、標(biāo)準(zhǔn)化，然后對部分屬性進(jìn)行特征提取，將計(jì)算機(jī)不能直接識別的屬性（稱作“非結(jié)構(gòu)化特征”）轉(zhuǎn)換為機(jī)器學(xué)習(xí)模型可以利用的屬性（稱作“結(jié)構(gòu)化特征”），這一操作叫做“特征工程”。接下來建模的過程就是通過最優(yōu)化過程尋找一個(gè)描述屬性與標(biāo)簽之間關(guān)系的函數(shù)。有參模型中逼近函數(shù)的過程叫做優(yōu)化過程，典型的方法有梯度下降法、牛頓法等；評價(jià)訓(xùn)練過程中函數(shù)是否接近最優(yōu)化的指標(biāo)叫做評估指標(biāo)，如方差、交叉熵。隨著模型訓(xùn)練迭代次數(shù)的增加，模型在訓(xùn)練集上的誤差一定是越來越小的，但模型在測試集上的誤差則可能會(huì)增大，這種情況叫做“過擬合”。過擬合的模型不能正確描述特征與標(biāo)簽之間關(guān)系，不具備實(shí)際價(jià)值。因此，模型完成訓(xùn)練后還需評價(jià)模型在測試集上的預(yù)測效果來評估模型是否可靠。若使用了多種不同的模型進(jìn)行預(yù)測，最后還可以分析不同模型預(yù)測效果產(chǎn)生差異的原因，結(jié)合對數(shù)據(jù)及算法的認(rèn)識，對模型中人為的設(shè)定（如：k-近鄰算法的k值、神經(jīng)網(wǎng)絡(luò)的層數(shù)、循環(huán)神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)等）進(jìn)行調(diào)整，這些設(shè)定被稱作“超參數(shù)”。

圖1 機(jī)器學(xué)習(xí)流程Fig.1 Workflow of machine learning

按照樣本是否有標(biāo)簽，機(jī)器學(xué)習(xí)可以分為有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。如果樣本的屬性包含時(shí)間序列，也可以認(rèn)為是時(shí)間序列分析問題，它既可以是有監(jiān)督學(xué)習(xí)也可以是無監(jiān)督學(xué)習(xí)，最常用的分析及預(yù)測方法為循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）。本研究主要討論目前常用于油氣田大數(shù)據(jù)分析利用的機(jī)器學(xué)習(xí)方法，分述如下：

1）有監(jiān)督學(xué)習(xí)

有監(jiān)督學(xué)習(xí)是機(jī)器學(xué)習(xí)中最重要的分支，它在已知樣本標(biāo)簽情況下對學(xué)習(xí)器（機(jī)器學(xué)習(xí)中的基本模型）進(jìn)行訓(xùn)練。

有監(jiān)督學(xué)習(xí)最早可以追溯到線性判別分析（LDA）[3]。這是一種有監(jiān)督的數(shù)據(jù)降維算法，可以解決二分類問題。之后，隨著貝葉斯決策理論的發(fā)展，貝葉斯分類器——一種條件概率計(jì)算方法，開始被應(yīng)用于文本分析等場景。邏輯回歸同樣具有悠久的歷史，最初被應(yīng)用于二元序列的分析[4]。邏輯回歸使用激活函數(shù)將樣本從低維空間映射到高維空間的思想是神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)原理。此外，有的機(jī)器學(xué)習(xí)模型不需要進(jìn)行模型訓(xùn)練，稱作無參模型，如基于模板匹配思想的算法k-近鄰（kNN）。

機(jī)器學(xué)習(xí)模型由于難以分析內(nèi)在機(jī)理，通常被稱作“黑箱模型”，但也有一些概率圖方法相比其它模型更容易進(jìn)行可視化分析，如基于條件判斷和信息論的方法決策樹（DT）。樹形模型原理簡單但可解釋性強(qiáng)，在機(jī)理分析上被廣泛使用。還有一些改進(jìn)的概率圖模型，如使用了自助采樣法（Bootstrap）重新獲取樣本集的隨機(jī)森林[5]，比簡單的決策樹能夠獲得更好的預(yù)測效果。再后來，誕生了一些具有很高效率和準(zhǔn)確度的非概率圖模型，既可以解決分類問題和也可以解決回歸問題，如經(jīng)典算法支持向量機(jī)（SVM）[6]。這是一種通過核函數(shù)將輸入向量映射到高維空間，使得非線性的回歸和分類問題變?yōu)榫€性的思維。

目前最受歡迎的機(jī)器學(xué)習(xí)算法要屬深度學(xué)習(xí)，它寬泛地涵蓋了各類具有多層神經(jīng)元的機(jī)器學(xué)習(xí)模型。人工神經(jīng)網(wǎng)絡(luò)（ANN）是一種近年興起的深度學(xué)習(xí)模型，它最早被稱作感知機(jī)模型[7]。感知機(jī)模型被定義為一種組織自學(xué)習(xí)的神經(jīng)系統(tǒng)，最初被劃分為機(jī)器而非程序，但本質(zhì)上是一種線性分類器。RUMELHART等[8]定義了第一個(gè)多層神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)了反向傳播（BP）算法，奠定了神經(jīng)網(wǎng)絡(luò)走向完善的基礎(chǔ)。

神經(jīng)網(wǎng)絡(luò)經(jīng)過一些改良可以更好地提取不同尺度下的數(shù)據(jù)集特征，達(dá)到更好的預(yù)測效果。LECUN[9]設(shè)計(jì)出了第一個(gè)卷積神經(jīng)網(wǎng)絡(luò)，使用卷積等操作模仿人對圖像的感知，最初被用于手寫數(shù)字識別，是當(dāng)今被廣泛使用的深度卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)。ELMAN[10]提出了循環(huán)神經(jīng)網(wǎng)絡(luò)，用于處理序列數(shù)據(jù)。循環(huán)神經(jīng)網(wǎng)絡(luò)的層數(shù)可以動(dòng)態(tài)調(diào)整，能夠處理可變長度的時(shí)間序列。GOODFELLOW[11]提出了生成對抗網(wǎng)絡(luò)的思想，用于生成看似真實(shí)的數(shù)據(jù)，最初被用于圖片的創(chuàng)作、人聲和樂器聲的重現(xiàn)等。

此外，將一些好而不同的異質(zhì)模型組合起來還可以組成新的機(jī)器學(xué)習(xí)模型，從而提升預(yù)測效果，這些異質(zhì)模型被稱作組件學(xué)習(xí)器，通過算法組合起來的模型被稱作集成模型。例如AdaBoost是一種將組件學(xué)習(xí)器線性集成起來組成一個(gè)新模型的方法，可以整合不同學(xué)習(xí)器的優(yōu)點(diǎn)從而實(shí)現(xiàn)更精確的預(yù)測[12]。

2）無監(jiān)督學(xué)習(xí)

相對于有監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)應(yīng)用范圍較窄，因此，發(fā)展較為緩慢，現(xiàn)存算法較少。無監(jiān)督學(xué)習(xí)主要可以分為聚類和數(shù)據(jù)降維兩類問題。

聚類算法起源于Ward 提出的層次聚類模型[13]。這是一種符合人的直觀思維的算法，包含若干不同的實(shí)現(xiàn)方式。聚類算法中最著名的是k均值算法，可以將樣本分為k類，它也是所有聚類算法中變化種類最多的[14]。此外，還有可以解決帶有缺失數(shù)據(jù)的極大似然估計(jì)問題的最大期望算法（EM）[15]，基于密度的聚類算法Mean Shift[16]以及將聚類問題轉(zhuǎn)化成圖切割問題的譜聚類算法[17]等。

3）時(shí)間序列分析的機(jī)器學(xué)習(xí)方法——循環(huán)神經(jīng)網(wǎng)絡(luò)

循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）通常被用于有監(jiān)督學(xué)習(xí)，具有普通神經(jīng)網(wǎng)絡(luò)沒有的“記憶”功能，專用于實(shí)現(xiàn)時(shí)間序列的訓(xùn)練和預(yù)測。雖然一些常規(guī)的機(jī)器學(xué)習(xí)方法可以用來分析預(yù)測時(shí)間序列，但這些模型往往會(huì)忽略數(shù)據(jù)在歷史觀測中的自相關(guān)性。因此，我們需要使用研究序列的機(jī)器學(xué)習(xí)方法來進(jìn)行時(shí)間序列的預(yù)測，將數(shù)據(jù)在時(shí)間上的自相關(guān)性納入考慮。循環(huán)神經(jīng)網(wǎng)絡(luò)中每一時(shí)間步的輸出都會(huì)影響下一時(shí)間步的輸出，能夠很好地使用數(shù)據(jù)的歷史觀測信息。

循環(huán)神經(jīng)網(wǎng)絡(luò)目前主要應(yīng)用于自然語言處理中。語言文本中單詞具有先后順序，是時(shí)間序列。MIKOLOV 等[18]建立了基于循環(huán)神經(jīng)網(wǎng)絡(luò)的語言模型，實(shí)現(xiàn)了循環(huán)神經(jīng)網(wǎng)絡(luò)的應(yīng)用。GREGOR 等[19]實(shí)現(xiàn)了深度循環(huán)神經(jīng)網(wǎng)絡(luò)的注意力機(jī)制，模仿了人在語言閱讀中的特點(diǎn)。

循環(huán)神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)的使用有別于其它神經(jīng)網(wǎng)絡(luò)，例如為了充分地使用數(shù)據(jù)樣本，模型在訓(xùn)練和預(yù)測時(shí)使用不同的權(quán)重傳遞方法。Teacher Forcing 方法通常用于循環(huán)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練階段，該方法不使用上一個(gè)狀態(tài)的輸出作為下一個(gè)狀態(tài)的輸入，而是直接使用訓(xùn)練數(shù)據(jù)的真實(shí)值對應(yīng)的上一項(xiàng)作為下一個(gè)狀態(tài)的輸入[20]。該方法在訓(xùn)練中會(huì)更正模型訓(xùn)練過程中的統(tǒng)計(jì)屬性，使模型訓(xùn)練變得穩(wěn)定。與之對應(yīng)的使用上一時(shí)刻預(yù)測值預(yù)測當(dāng)前時(shí)刻預(yù)測值的方法叫做Free Running 方法，它不依賴于真實(shí)數(shù)據(jù)，更多地被用于預(yù)測階段標(biāo)簽或值的輸出。

循環(huán)神經(jīng)網(wǎng)絡(luò)所有結(jié)構(gòu)的集合叫做網(wǎng)絡(luò)的主體結(jié)構(gòu)，也稱作網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，對主體結(jié)構(gòu)進(jìn)行改進(jìn)可以使循環(huán)神經(jīng)網(wǎng)絡(luò)更好地應(yīng)用于不同的場景。例如：在機(jī)器翻譯中，循環(huán)神經(jīng)網(wǎng)絡(luò)的輸出依賴于前面所有時(shí)間步的輸出，同時(shí)也可能依賴于未來的輸出。因此，雙向循環(huán)神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)能夠?qū)栴}更好地描述[21]。拓?fù)浣Y(jié)構(gòu)的改進(jìn)設(shè)計(jì)有很多，如：多維循環(huán)神經(jīng)網(wǎng)絡(luò)[22]，網(wǎng)格長短期記憶網(wǎng)絡(luò)[23]等。這些結(jié)構(gòu)在不同的場景中均有良好的表現(xiàn)。

除了主體結(jié)構(gòu)，循環(huán)神經(jīng)網(wǎng)絡(luò)的另一個(gè)重要特征是單元（Cell），它是每個(gè)時(shí)間步節(jié)點(diǎn)對應(yīng)的非循環(huán)神經(jīng)網(wǎng)絡(luò)。通常，沒有對單元進(jìn)行優(yōu)化的簡單循環(huán)神經(jīng)網(wǎng)絡(luò)（Simple RNN）在較長的時(shí)間序列預(yù)測問題中存在諸多不足，如梯度在傳播中會(huì)消失的梯度彌散現(xiàn)象。這種現(xiàn)象導(dǎo)致的問題被稱作梯度下降中的“長期依賴”問題[24]。為了解決此問題，HOCHREITER等[25]提出了著名的長短期記憶（Long short-memory,LSTM）網(wǎng)絡(luò)。LSTM網(wǎng)絡(luò)是RNN的一個(gè)變體，它能夠?qū)W習(xí)長期依賴特征，在網(wǎng)絡(luò)較深時(shí)表現(xiàn)優(yōu)于Simple RNN。LSTM網(wǎng)絡(luò)的單元具有特殊的“門”的結(jié)構(gòu)，可分為控制門單元和輸出門單元，而控制門單元是由可以用來去除網(wǎng)絡(luò)傳播中不需要的信息的“遺忘門”[26]和保留有效信息的“記憶門”組成的。

循環(huán)神經(jīng)網(wǎng)絡(luò)建模時(shí)，不僅可以在網(wǎng)絡(luò)結(jié)構(gòu)上進(jìn)行優(yōu)化，還可以在梯度傳播、優(yōu)化器和激活函數(shù)的選擇等方面進(jìn)行改進(jìn)。如：使用Relu 激活函數(shù)代替Sigmoid 激活函數(shù)來防止梯度彌散[27]；使用梯度裁剪來避免“梯度爆炸”[28]；使用Dropout 方法來減少過擬合[29]。根據(jù)實(shí)際問題，同時(shí)采用這些不同的優(yōu)化方案可以大幅提升循環(huán)神經(jīng)網(wǎng)絡(luò)的預(yù)測效果。

2 油氣田大數(shù)據(jù)分析利用的特點(diǎn)與方法

數(shù)據(jù)是機(jī)器學(xué)習(xí)的基礎(chǔ)，只有在數(shù)據(jù)基礎(chǔ)強(qiáng)大的前提下，才能使用機(jī)器學(xué)習(xí)方法對數(shù)據(jù)進(jìn)行挖掘。因此，要將機(jī)器學(xué)習(xí)應(yīng)用于某行業(yè)領(lǐng)域，必須保證該行業(yè)領(lǐng)域有充分的數(shù)據(jù)積累，而油氣行業(yè)滿足這一條件。全世界上百年對油氣的勘探開發(fā)積累了寶貴的油氣田大數(shù)據(jù)，而使用現(xiàn)今機(jī)器學(xué)習(xí)技術(shù)對其分析利用可以進(jìn)一步提煉數(shù)據(jù)的價(jià)值，甚至可以用純粹的統(tǒng)計(jì)學(xué)原理對油氣生產(chǎn)進(jìn)行分析（數(shù)據(jù)驅(qū)動(dòng)方法），來實(shí)現(xiàn)油氣生產(chǎn)的降本增效。油氣大數(shù)據(jù)的分析利用具有濃烈的專業(yè)色彩，因此，不能完全照搬互聯(lián)網(wǎng)領(lǐng)域的數(shù)據(jù)挖掘模型，需要先明確其內(nèi)容、目標(biāo)及優(yōu)缺點(diǎn)，再定制最佳的分析方法。

2.1 油氣田大數(shù)據(jù)的特點(diǎn)及其分析利用的內(nèi)容與目標(biāo)

油氣田大數(shù)據(jù)分析利用的意義在于通過數(shù)據(jù)驅(qū)動(dòng)的方法，預(yù)測開發(fā)效益、減少人工成本、監(jiān)控油藏動(dòng)態(tài)、優(yōu)化生產(chǎn)參數(shù)，從而達(dá)到指導(dǎo)投資和工程決策、降本增效的目的。油氣的大數(shù)據(jù)分析是一種自上而下的分析方法，先通過數(shù)據(jù)驅(qū)動(dòng)方法得到分析對象之間的定性或定量關(guān)系，再根據(jù)數(shù)據(jù)統(tǒng)計(jì)特點(diǎn)分析其內(nèi)在機(jī)理，與傳統(tǒng)數(shù)值模型分析法過程相反。其優(yōu)勢在于，可以在對研究區(qū)專業(yè)認(rèn)知不足或者已有數(shù)據(jù)質(zhì)量較差的情況下使用。

傳統(tǒng)大數(shù)據(jù)技術(shù)已在互聯(lián)網(wǎng)行業(yè)廣泛成功使用，但在油氣勘探開發(fā)領(lǐng)域，大數(shù)據(jù)技術(shù)還沒有非常成功的應(yīng)用實(shí)例，這是因?yàn)閮烧叩臄?shù)據(jù)特點(diǎn)和任務(wù)目標(biāo)都不相同。雖然油氣田大數(shù)據(jù)研究方法是建立在互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)基礎(chǔ)上的專業(yè)化應(yīng)用，但是油氣田大數(shù)據(jù)分析不僅僅是一個(gè)統(tǒng)計(jì)學(xué)問題，它的最終目標(biāo)不是挖掘數(shù)據(jù)之間的關(guān)系，而是通過分析數(shù)據(jù)之間的關(guān)系進(jìn)行決策。因此，油氣田大數(shù)據(jù)分析利用不能照搬互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)，不能終止于得到表面的因果關(guān)系，而是要深刻挖掘現(xiàn)象的內(nèi)在機(jī)理。筆者通過研究總結(jié)了油氣田大數(shù)據(jù)與傳統(tǒng)互聯(lián)網(wǎng)大數(shù)據(jù)的不同以及油氣田大數(shù)據(jù)分析利用的核心內(nèi)容（表1）。

表1 油氣田大數(shù)據(jù)的特點(diǎn)及其分析利用的核心內(nèi)容Table 1 Characteristics of big data in oil and gas field and key points of data analysis and utilization

2.2 數(shù)據(jù)驅(qū)動(dòng)模型在油氣田大數(shù)據(jù)分析中的優(yōu)勢

在油氣田勘探開發(fā)領(lǐng)域，傳統(tǒng)分析油氣生產(chǎn)的過程通常建立在物理解析模型之上，而油氣田大數(shù)據(jù)分析則是基于統(tǒng)計(jì)學(xué)方法，通過實(shí)際勘探開發(fā)和生產(chǎn)數(shù)據(jù)來得到數(shù)據(jù)驅(qū)動(dòng)模型。二者各有優(yōu)缺點(diǎn)和不同的適用場景，主要研究內(nèi)容與目標(biāo)也不同（表2），在實(shí)際應(yīng)用時(shí)應(yīng)當(dāng)根據(jù)對目標(biāo)區(qū)的了解程度和數(shù)據(jù)條件選擇最適用的方法。

表2 數(shù)據(jù)驅(qū)動(dòng)模型與傳統(tǒng)解析模型對比及數(shù)據(jù)驅(qū)動(dòng)建模工作要點(diǎn)Table 2 Comparison between data-driven model and traditional analytical model and key points of data-driven modeling

3 機(jī)器學(xué)習(xí)在油氣領(lǐng)域的主要應(yīng)用場景

只要有大數(shù)據(jù)存在的地方，就有應(yīng)用機(jī)器學(xué)習(xí)方法的可能性。一個(gè)新的機(jī)器學(xué)習(xí)算法被提出后，將很快被應(yīng)用于具有一定數(shù)據(jù)量基礎(chǔ)的各行各業(yè)。機(jī)器學(xué)習(xí)在油氣領(lǐng)域的應(yīng)用也依賴于機(jī)器學(xué)習(xí)算法的發(fā)展，越來越多的應(yīng)用場景隨著算法的提出而產(chǎn)生?？偨Y(jié)目前較為成熟的方法，機(jī)器學(xué)習(xí)可被應(yīng)用于以下油氣勘探開發(fā)場景：

1）地球物理分析

地球物理學(xué)家通常需要大量的時(shí)間進(jìn)行地震和測井解釋，在龐大的地球物理資料中評估構(gòu)造和地層的不確定性。基于機(jī)器學(xué)習(xí)的地球物理分析方法對地震、測井資料進(jìn)行自動(dòng)的整理和演算，例如從多維地震數(shù)據(jù)集中得到不斷演化的地震屬性結(jié)合，可大大減少地球物理學(xué)家的工作量。

2）地質(zhì)分析

地質(zhì)學(xué)家的工作與機(jī)器學(xué)習(xí)非常相似，主要任務(wù)是綜合現(xiàn)有的資料，結(jié)合豐富的地質(zhì)知識和經(jīng)驗(yàn)，重新還原油氣藏的形成過程。使用機(jī)器學(xué)習(xí)方法可以在短時(shí)間內(nèi)處理大量的信息，一個(gè)好的機(jī)器學(xué)習(xí)模型對一些精細(xì)地質(zhì)特征的觀察甚至超過地質(zhì)學(xué)家，結(jié)合機(jī)器學(xué)習(xí)方法可以提升地質(zhì)分析的效果。

3）儲(chǔ)層評價(jià)

儲(chǔ)層包含著大量與油氣生產(chǎn)相關(guān)的信息，使用機(jī)器學(xué)習(xí)方法可以快速進(jìn)行礦物的顯微識別、提取巖石物理特征、確定烴類的體積、分析流體在儲(chǔ)層巖石中的狀態(tài)等。

4）油藏工程分析

機(jī)器學(xué)習(xí)可以為油藏提供快速、準(zhǔn)確的動(dòng)態(tài)預(yù)測，及時(shí)監(jiān)測產(chǎn)量以及與產(chǎn)量相關(guān)的屬性，對油藏進(jìn)行動(dòng)態(tài)調(diào)整，最終實(shí)現(xiàn)“智能油田”。由于油藏的部署及開發(fā)策略具有復(fù)雜性，數(shù)據(jù)驅(qū)動(dòng)方法有時(shí)比傳統(tǒng)的油藏模擬方法更高效、準(zhǔn)確。

5）生產(chǎn)監(jiān)測

油井在生產(chǎn)中，各類監(jiān)測傳感器會(huì)源源不斷地制造生產(chǎn)數(shù)據(jù)。這些數(shù)據(jù)可以幫助我們診斷生產(chǎn)故障，建立油井生產(chǎn)快速預(yù)警系統(tǒng)。由于不同研究區(qū)油井的故障響應(yīng)可能不同，根據(jù)研究區(qū)樣本建立的機(jī)器學(xué)習(xí)模型可以更加貼合實(shí)際地描述油井的生產(chǎn)狀態(tài)。

6）經(jīng)濟(jì)預(yù)測

油氣田開發(fā)的核心目標(biāo)就是在開發(fā)周期內(nèi)獲得最大的經(jīng)濟(jì)價(jià)值，因此在不同生產(chǎn)階段對油氣產(chǎn)量及成本的預(yù)測是必不可少的?？梢愿鶕?jù)已有的生產(chǎn)資料及多屬性預(yù)測的結(jié)果，來評估下一步擬定的開發(fā)方案是否能產(chǎn)生較大的經(jīng)濟(jì)效益。

4 基于機(jī)器學(xué)習(xí)的油氣產(chǎn)量預(yù)測的現(xiàn)狀、問題及對策

產(chǎn)量預(yù)測是機(jī)器學(xué)習(xí)在油氣田大數(shù)據(jù)分析利用中一個(gè)重要的、典型的應(yīng)用，基于機(jī)器學(xué)習(xí)的產(chǎn)量預(yù)測包含了油氣數(shù)據(jù)挖掘的主要元素。在已有的研究中，通常是通過老井的數(shù)據(jù)來訓(xùn)練機(jī)器學(xué)習(xí)模型，并預(yù)測新井的產(chǎn)量。若預(yù)測目標(biāo)（標(biāo)簽）是井在固定一段時(shí)間內(nèi)的總產(chǎn)量或穩(wěn)產(chǎn)產(chǎn)量，則稱為靜態(tài)產(chǎn)量預(yù)測；若預(yù)測目標(biāo)是井的生產(chǎn)曲線，則稱為動(dòng)態(tài)產(chǎn)量預(yù)測。

4.1 研究現(xiàn)狀

1）靜態(tài)產(chǎn)量預(yù)測

井的產(chǎn)量變化往往基于井所處區(qū)塊的層位特征、地質(zhì)和工程參數(shù)等靜態(tài)屬性的變化，靜態(tài)產(chǎn)量預(yù)測就是對井的靜態(tài)屬性的挖掘。LOLON 等[30]使用3 個(gè)多變量統(tǒng)計(jì)模型評估Bakken和Three Forks地層的井參數(shù)與產(chǎn)量之間的關(guān)系。評估得出，主要影響致密儲(chǔ)層產(chǎn)量的工程變量是水力壓裂過程中的總壓裂液量和支撐劑量。CLAR 等[31]使用人工神經(jīng)網(wǎng)絡(luò)預(yù)測Eagle Ford 頁巖工區(qū)水平井的產(chǎn)量，發(fā)現(xiàn)總產(chǎn)量與側(cè)向長度、垂直深度、孔隙度和壓裂液量均有顯著關(guān)系。

然而，使用機(jī)器學(xué)習(xí)進(jìn)行產(chǎn)量預(yù)測的研究還處于起步階段。目前，頁巖、致密油氣藏等非常規(guī)油氣藏的靜態(tài)產(chǎn)量預(yù)測模型并沒有取得很好的效果[32]，其中一個(gè)主要原因是油氣產(chǎn)量不僅受量化屬性的影響，而且還受儲(chǔ)層巖性、構(gòu)造、鉆井壓裂等非量化增產(chǎn)措施的影響，而這些屬性往往是非結(jié)構(gòu)化的數(shù)據(jù)，導(dǎo)致機(jī)器學(xué)習(xí)建模時(shí)此類信息難以被使用。例如：在地質(zhì)因素的考慮上，以往的產(chǎn)量預(yù)測研究要么忽略了區(qū)塊特征[30]，要么在樣本井較少時(shí)假設(shè)儲(chǔ)層具有均質(zhì)性[33]，但實(shí)際上即使在很小的范圍內(nèi)，致密地層或頁巖地層的地質(zhì)特征變化也會(huì)很大，不使用區(qū)塊特征信息或非均質(zhì)性信息會(huì)導(dǎo)致預(yù)測不準(zhǔn)確[34]。雖然很難直接將這些屬性進(jìn)行充分的特征工程，但可以找到替代的方法，一種折中的方法就是使用井位（井距、井位坐標(biāo)信息）來表示井之間的地質(zhì)差異[35]。因此，當(dāng)一些非結(jié)構(gòu)化數(shù)據(jù)信息難以納入模型時(shí)，我們應(yīng)當(dāng)采用一些替代手段或增加適用條件限制，并適當(dāng)結(jié)合物理機(jī)理來加強(qiáng)對數(shù)據(jù)的提取和模式識別，從而減少這些因素的影響，如：根據(jù)數(shù)據(jù)的產(chǎn)生過程設(shè)計(jì)特殊架構(gòu)的端到端模型，在不進(jìn)行特征工程的情況下進(jìn)行機(jī)器學(xué)習(xí)，減少在特征編碼時(shí)對油氣專業(yè)知識的依賴[36]。

2）動(dòng)態(tài)產(chǎn)量預(yù)測

油氣的生產(chǎn)曲線預(yù)測是一個(gè)典型的時(shí)間序列分析問題，使用動(dòng)態(tài)生產(chǎn)數(shù)據(jù)預(yù)測井的生產(chǎn)曲線就是動(dòng)態(tài)產(chǎn)量預(yù)測。生產(chǎn)曲線的預(yù)測研究包括對其自相關(guān)性、趨勢或周期性變化的分析，這些性質(zhì)可以幫助我們預(yù)測未來產(chǎn)量。因此，基于數(shù)據(jù)驅(qū)動(dòng)的生產(chǎn)曲線數(shù)據(jù)挖掘分析方法將對油氣井產(chǎn)量評估及預(yù)測至關(guān)重要。

在已有的研究中被用來預(yù)測油氣生產(chǎn)曲線的時(shí)間序列學(xué)習(xí)器主要為簡單循環(huán)神經(jīng)網(wǎng)絡(luò)（Simple RNN）和長短時(shí)記憶網(wǎng)絡(luò)（LSTM）。SAGHEER等[37]比較了Simple RNN 和LSTM 兩種循環(huán)神經(jīng)網(wǎng)絡(luò)在油氣生產(chǎn)預(yù)測中的應(yīng)用效果，認(rèn)為LSTM 的性能優(yōu)于Simple RNN。因此，在進(jìn)行生產(chǎn)曲線預(yù)測分析時(shí)應(yīng)當(dāng)嘗試不同的循環(huán)神經(jīng)網(wǎng)絡(luò)，選擇對數(shù)據(jù)集最適用的模型。

目前油氣產(chǎn)量時(shí)間序列預(yù)測的研究大多是同步時(shí)間序列預(yù)測，問題描述為：已知屬性（Source）和預(yù)測目標(biāo)（Target）在每一步相對應(yīng)，且已知屬性時(shí)間序列長度和預(yù)測目標(biāo)時(shí)間序列長度相等時(shí)計(jì)算產(chǎn)油量，例如基于循環(huán)神經(jīng)網(wǎng)絡(luò)適用油藏的產(chǎn)量曲線預(yù)測同期的月產(chǎn)油、產(chǎn)水、產(chǎn)氣量研究[38-39]。同步時(shí)間序列預(yù)測實(shí)際上是對未測量數(shù)據(jù)的計(jì)算，因此，能夠應(yīng)用的場景有限，例如：不能實(shí)現(xiàn)使用井的靜態(tài)參數(shù)及已知生產(chǎn)曲線預(yù)測未來生產(chǎn)曲線，也不能結(jié)合訓(xùn)練好的模型來優(yōu)化生產(chǎn)設(shè)計(jì)。一種解決方案是更改循環(huán)神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，建立滯后時(shí)間序列的循環(huán)神經(jīng)網(wǎng)絡(luò)模型，從而實(shí)現(xiàn)在更重要的場景下的產(chǎn)量預(yù)測。滯后時(shí)間序列目前主要應(yīng)用在機(jī)器翻譯和文本生成問題中，在油氣產(chǎn)量預(yù)測場景中尚未得到應(yīng)用。

4.2 存在問題

目前，基于機(jī)器學(xué)習(xí)的水平井產(chǎn)量預(yù)測研究在建模及應(yīng)用層面還存在不足，主要可以歸納為以下3個(gè)方面。

1）機(jī)器學(xué)習(xí)在產(chǎn)量預(yù)測中的一般性研究較少，多為針對某一數(shù)據(jù)集的模型優(yōu)化和比較研究，應(yīng)用價(jià)值有限。每個(gè)油田的產(chǎn)量主控因素可能有較大差別，且很多參數(shù)是無法量化的，無法加入到機(jī)器學(xué)習(xí)中，帶來了較大的不確定性。因此，通過某一油田數(shù)據(jù)集訓(xùn)練出的機(jī)器學(xué)習(xí)模型往往不能在其他油田使用。并且，過量的調(diào)參往往會(huì)導(dǎo)致嚴(yán)重的過擬合。因此，使用機(jī)器學(xué)習(xí)方法進(jìn)行產(chǎn)量研究的重點(diǎn)不在于調(diào)參，而在于總結(jié)具有普適性的產(chǎn)量預(yù)測過程。

2）對產(chǎn)量預(yù)測問題在機(jī)器學(xué)習(xí)模型中的描述欠缺，實(shí)際應(yīng)用場景不明確。目前的動(dòng)態(tài)產(chǎn)量預(yù)測建模通常是根據(jù)當(dāng)前生產(chǎn)的產(chǎn)液量、井底流壓等實(shí)時(shí)參數(shù)進(jìn)行產(chǎn)量的推算，不能實(shí)現(xiàn)對未來長期的預(yù)測。換言之，沒有一個(gè)能夠使用的靜態(tài)參數(shù)或已知生產(chǎn)曲線能夠預(yù)測未來生產(chǎn)曲線問題的時(shí)間序列分析模型。

3）基于機(jī)器學(xué)習(xí)產(chǎn)量預(yù)測的建模方法研究較多，但拓展應(yīng)用研究較少，難以深刻挖掘機(jī)器學(xué)習(xí)模型在產(chǎn)量影響因素分析及生產(chǎn)優(yōu)化設(shè)計(jì)中的價(jià)值。產(chǎn)量預(yù)測模型不僅可以用于預(yù)測，還可以用于產(chǎn)能主控因素分析、生產(chǎn)決策和優(yōu)化等，但目前相關(guān)研究不夠深入。

4.3 解決對策

針對以上問題，應(yīng)當(dāng)著重以下3個(gè)方面的研究。

1）致力于總結(jié)基于機(jī)器學(xué)習(xí)的產(chǎn)量預(yù)測建模的一般性過程，并結(jié)合油氣領(lǐng)域知識尋找提取與產(chǎn)量有關(guān)的非結(jié)構(gòu)化屬性的模式，得到可泛化的特征工程方法。使用多種機(jī)器學(xué)習(xí)模型在不同特征選擇下進(jìn)行產(chǎn)量預(yù)測，對比不同數(shù)據(jù)條件下，選用不同模型時(shí)在測試集上的預(yù)測結(jié)果，并結(jié)合油氣田大數(shù)據(jù)的特點(diǎn)，分析方法的適用性及產(chǎn)生誤差的原因。

2）研究產(chǎn)量的動(dòng)態(tài)預(yù)測問題在神經(jīng)網(wǎng)絡(luò)預(yù)測模型中有哪些應(yīng)用場景，從而正確地將產(chǎn)量預(yù)測問題描述為機(jī)器學(xué)習(xí)問題。例如：在產(chǎn)量動(dòng)態(tài)預(yù)測時(shí)，使用井的靜態(tài)參數(shù)或已知生產(chǎn)曲線預(yù)測未來生產(chǎn)曲線，實(shí)際上是一個(gè)滯后時(shí)間序列預(yù)測問題，已知量和預(yù)測目標(biāo)在時(shí)間上并非互相對應(yīng)，應(yīng)當(dāng)參照機(jī)器翻譯模型來確定循環(huán)神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。建立循環(huán)神經(jīng)網(wǎng)絡(luò)模型前需要明確已知屬性和預(yù)測目標(biāo)，不能混淆其與訓(xùn)練集、測試集的概念。

3）建模后充分挖掘模型價(jià)值，根據(jù)現(xiàn)有的產(chǎn)量預(yù)測結(jié)果分析產(chǎn)能主控因素，進(jìn)一步認(rèn)識了解研究區(qū)特點(diǎn)；找到可優(yōu)化的工程參數(shù)，結(jié)合網(wǎng)格搜索、貝葉斯優(yōu)化等優(yōu)化方法，實(shí)現(xiàn)在新增生產(chǎn)井前對工程參數(shù)進(jìn)行合理的調(diào)整，達(dá)到降本增效的目的。利用機(jī)器學(xué)習(xí)模型能夠剔除數(shù)據(jù)噪聲的特性，排除井在生產(chǎn)過程中的隨機(jī)性產(chǎn)量波動(dòng)，描述確定的產(chǎn)量波動(dòng)，從而用于分析老井生產(chǎn)措施對產(chǎn)量的短期影響，實(shí)現(xiàn)生產(chǎn)措施的定量優(yōu)化。