Page 140 - 地球物理探测技术发展与创新

Development and Innovation of Geophysical Exploration Technology
地球物理探测技术发展与创新

技术、特定场景仪器的研发以及数据的高效传输和处理解释等。它既是识别地下
流体性质、储集层岩性及物性的有效途径，也是石油工程技术人员解决相关问题
的必要资料来源。
早在 1876 年，中国四川自贡地区就利用湿泥巴缠裹的木棒测量盐卤水层的

深度和出水量。现代地球物理测井则起源于人们对石油资源探测的需求，物理学
家于 1927 年将地面电阻率探矿装置用于定性识别井中油水层。1942 年，Archie
的实验及分析结果将现代地球物理测井从定性推动到定量化的阶段，基于此结果
建立起来的岩石物理体积模型为后续出现的各种测井方法的应用提供了理论依

据。经过近一个世纪的发展，地球物理测井已经成为石油科学的十大主干学科之
一，也逐渐从油田勘探开发拓展到了深地、深海、地下工程、生态监测等领域。
面对越来越复杂的应用场景，测井领域研究往往是方法研究先行，在电子信息技
术的发展下不断发展新仪器。测井也从早期模拟记录时代过渡到数字磁带、数控

测井时代，直到近 20 年的成像测井时代。新的仪器、采集方式、数据处理方法
不断涌现，使得我们能获取丰富的井下信息来定量评价地层岩性、物性、含油
性等。
测井资料处理解释长期面临的一个问题是需要解释专家具有丰富的区域地质

经验。即便如此，不同专家的解释结果还存在很大的差异，尤其是非常规油气藏
等复杂岩性的测井解释。在电子信息技术的高速发展下，采用新的、高效的观测
方式和技术（如分布式光纤技术），服务公司得以快速实时地采集越来越多的测
井数据。海量的数据随时间增加呈指数增多，加剧了人工测井解释的压力，同时

油田公司和服务公司普遍存在用人紧张的问题。如何在新形势下高效开展地球物
理测井资料解释成为一大难题。
互联网时代下，大数据、机器学习（Machine Learning，ML）及人工智能
（Artificial Intelligence，AI）正逐渐成为各个行业的热门词汇。自 2016 年起，几

乎所有石油行业相关会议都专门开展了机器学习或人工智能与行业结合的主题探
讨会。许多勘探领域的学术期刊也专门为应用于地球科学、石油工程领域的机器
学习及大数据专题提供了专刊及主题会议。各大国际石油公司和服务公司也在调
整发展战略，将数据作为宝贵资源，在数据科学、人工智能领域持续发力，如斯

伦贝谢公司就已着手建设自己的智能化测井处理解释平台。作为勘探和开发领域
中重要的组成部分，地球物理测井相关从业人员也在逐渐探寻人工智能、机器学

128