行星地质资源与工程学导论

行星科学是近几十年发展起来的一门多学科交叉的新兴学科,如何利用行星资源、可持续永久开发太空成为行星科学的新兴前沿研究方向。在阿波罗号人类登月50周年之际,世界大国纷纷抢占深空探测的科技制高点,美国宣布重启太空计划,俄罗斯制定了一系列的月球战略,我国也制定了深空科学探测任务规划发展路线图,要达到这些宏伟的深空探测与开发目标,亟待发展行星地质资源与工程学,为太空的可持续永久开发提供基础理论与关键技术支撑。行星地质资源与工程学是行星地质学的分支,运用行星科学的基础理论,利用行星观测、探测及开发技术方法,研究行星地质资源形成演化规律,查明地质资源的类型、特征、储量和分布规律;进行行星地质资源的地质调查、岩石成分、结构与性能、开发地质条件评价与预测,解决行星工程中的各类地质问题,研发行星开发利用地质工程技术,为行星地质资源开发与人类工程活动提供基础理论与关键技术方法。行星地质资源与工程学的研究内容通常包括:行星地质资源探测理论与技术、行星地质资源成因演化与评价、行星地质工程。发展行星地质资源与工程学具有重要意义:从行星科学的视角进行研究,促进学科增长与拓展;开发行星地质资源,打破资源束缚,实现太空永久可持续开发;培养学科人才,提升行星地质资源与工程科技水平,为人类移居行星奠定基础。未来行星地质资源与工程学科应加强行星物理学、行星化学和行星地质学的交叉融合及理论应用,发展行星地质勘探方法与智能机器人工程技术,发展高/低温、高/低压、高辐照、低/微重力环境条件下样品采集、加工、多尺度测试分析理论与方法,培养行星地质资源与工程学科人才。     

大闭环伺服控制随钻智能导向钻井方法

深层油气资源量巨大,是全球油气开发的重要方向.随着钻井朝着深层(＞4500 m)和超深层(＞6000 m)发展,地质条件更加复杂,深层钻井泥浆信号传输速率受限,井下随钻测井等数据传输延迟,增加了钻井事故的频率及钻出储层的风险.当前井场智能决策钻井的方法不适用,井下自主智能钻进是未来深层超深层高效钻进的发展方向.本文借鉴无人驾驶汽车的理论技术架构,提出了一种大闭环伺服控制随钻智能导向钻井方法,集旋转导向、地质导向、随钻地震、电磁前探、随钻测量、信号传输、自动钻机等技术于一体,利用"边钻边学"的人工智能评价与决策方法,智能识别钻头前方油气藏甜点,智能决策钻进方向和钻速,并利用大闭环伺服控制实现井下钻头的自主智能导向和钻进.大闭环伺服控制随钻智能导向钻井架构包括钻进感知、智能决策与大闭环控制3个部分.钻进感知部分通过随钻测井数据获取钻头定位信息、井周地层及钻头前方特性参数,智能决策部分依据钻进感知部分获取的信息通过人工智能决策模型修正轨道和优化钻进策略,大闭环控制部分根据智能决策指令调整钻进方向和速度.本文在钻进感知部分采用支持向量机算法利用随钻测井数据进行岩性智能识别,优选随机森林算法和长短期记忆(Long Short Term Memory,LSTM)循环神经网络对孔隙度、渗透率、饱和度和泥质含量进行评价.在智能决策部分优选随机森林算法对机械钻速进行预测与优化,均获得了高准确率.     

基于云端大数据的智能导向钻井技术方法

导向钻井技术方法是21世纪全球石油工业最重要的技术之一,也是美国“页岩气革命”核心技术水平钻井的关键组成部分。当前,导向钻井的主要研究目标是提高钻井速度、降低钻井时间和风险,智能化是目标实现的重要途径。文章分析了国内外大数据与人工智能在石油工业应用情况,建立了云端大数据智能导向钻井方法架构,提出了随钻测井参数人工智能反演与识别方法,指出了云端大数据与智能算法管理的实现途径,得出如下结论:(1)基于云端大数据智能导向钻井方法主要包括物联网感知层、大数据存储层和云平台决策层。物联网感知层实现井场关键信息的采集并传输至大数据中心;大数据中心支持数据存储与云管理;云平台决策层依托大数据中心的海量数据,进行云端地面软件控制、人工智能决策以及云平台管理。(2)采用机器学习的方法智能反演与识别地层岩性,选择自然电位、自然伽马、密度、声波、补偿中子、电阻率等6条随钻测井数据,分别采用不同的机器学习算法进行地层岩性反演与识别,决策树模型和随机森林模型分别达到0.81和0.89的准确度,形成了一套可快速自动描述岩性特性分类的方案。(3)云端平台管理决策可进行井下实时数据解码,获取钻井轨迹和测井曲线,其中云端人工智能决策模块对地层及钻井参数进行智能反演预测,可实现钻井轨迹智能修正和钻井参数智能优化,保证智能导向工程钻得准、钻得快。