油气资源前沿科技国际论坛

今天有幸在武汉参加了第二届“地大·东湖油气资源前沿科技国际论坛”。会议由中国地质大学（武汉）组织，主要的联系人是前人计划专家龚斌教授。会议邀请了国际上比较知名7位专家做了报告，这是一个非常高端的论坛。做报告的专家有大庆油田副总工程师程杰成教授，美国克拉罗多矿业大学吴玉树教授，奥伯特公司总裁蒋志祥教授，大名鼎鼎的斯坦福大学JefCaers教授，美国雪佛龙石油公司高级科学家RobinHui博士，斯伦贝谢中国地球科学与石油工程研究院院长鲜成刚博士，中国地质学大学（武汉）龚斌教授，每个专家的汇报时间都在45分钟以上，交流的比较充分。

受邀之前没有给定题目，但结果是每个专家都不约而同地做了同一主题的报告。这个“巧合”的主题是数据驱动的、建模数模一体化的、智能油田建设，这也反映石油工业领域国际前沿热点是智能油田。下面对每个专家的报告做简单介绍。

程杰成教授的报告题目是“油气资源行业形势分析及科技动态展望”，他没有来得及准备这个题目，告诉大家这个题目可以参考中科院写的一本书《中国至2050年油气资源科技发展路线图——创新2050：科学技术与中国的未》，并简单介绍了这本书的大概内容，https://item.jd.com/25166128141.html，然后讲了他比较熟悉的这么多年大庆水驱化学驱所需取得的成绩，并指出未来人工智能用于油田高效开发是未来的发展方向。

吴玉树教授的报告题目是“地质力学耦合下的流-热流动模拟及在致密油藏中的应用”，他介绍了他带领的团队所建立的一个全耦合的热力-水力-力学油藏模型，它是一个耦合地质力学的组分流动模型，用来描述致密油藏中等温条件下的多相、多组分复杂流动。取得的主要认识是地质力学效应造成孔隙半径降低及毛管压力的升高，由此加大了毛管力对气液相平衡的影响，进一步抑制泡点压力，最终对多相流动造成显著影响。

蒋志祥老总的报告题目是“‘数字孪生’(Digital Twin)及其在智能油气田中的核心价值”。他指出“数字孪生”是现在美国工业界的热门词汇，智能油气田是石油工业发展的必然趋势。报告介绍了“数字孪生”概念在智能油田中的具体体现，阐述了怎样构造油气田开发的“数字孪生”以及“数字孪生”在油气田中的核心价值和应用。他认为智能油田应该具有全面的感知系统、实时监控系统、智能操作系统、智能调度系统和智能优化系统。他粗略设计了智能油田的架构，指出完整的智能油田应该包括感知层、数据层、网络层和应用层。畅想了数字油田社区的未来发展。

Jef Caers教授因病未能参加会议，但大会播放了他的ppt视频讲解，他的题目是“油藏数据-模型-预测-决策体系与贝叶斯证据学习”。他提出了一个称作“贝叶斯证据学习”的新技术框架，对数据-模型-预测-决策四个环节进行梳理和集成。在他2018年发表的新书可以看到该思想的详细阐述，在斯坦福网站可以下载该书。该框架最重要的贡献之一是能够规避复杂的数值模拟-历史拟合过程，转而依靠从改编过的地质模型及动态模拟结果中，通过机器学习来获得有效的决策。

从模型反演（model inversion）到数据反演（datainversion）

Roubin Hui博士的报告题目是“DFM-DSI-ABU”框架下的裂缝型油气藏产能预测及不确定性分析。离散裂缝模型（discretefractured modeling，DFM）的调整，在贝叶斯框架下他提出了数据空间反演方法（dataspacing inversion, DSI），该方法通过将一簇地质模型进行流动模拟后的产量结果与井的实际历史相融合，对油藏动态进行预测。

鲜成刚博士的报告题目是“地质-工程一体化模拟在页岩气藏中发展现状、机会与挑战”。他指出从地球物理到流动模拟的三维模型对理解和优化工程实施至关重要，指出一体化建模数模是地质-工程一体化研究及应用的重要支撑，并从三维地学建模、压裂模拟、数值模拟的现在与展望做了介绍。

龚斌教授的报告题目是“从数据到决策：地质-工程一体化平台下地下资源全生命周期的仿真与管理”。常规油气藏开发中后期、非常规油气藏复杂的开发过程及地应力学效应非常显著，敦促传统的地质建模-流动模拟框架能更进一步，将地质-油藏研究的成果与工程实施相结合，直接指导最优的施工及开发方案。他带领公司(特雷西能源科技有限公司，目前已被奥伯特收购，奥伯特已被哈里伯顿全资收购)在已经完成商业级研发并获得成功应用的高精度地质建模-超高效数值模拟-自动历史拟合-智能实时优化一体化平台基础上，进一步通过耦合岩石力学来模拟压裂-反排-开采的全过程，并通过融入随机深林、数据同化、深度神经网络等人工智能算法，在数据驱动下不断降低系统认识的不确定性，在数据驱动下不断降低对地下系统认识的不确定性，并在此基础上根据任务目标计算出最有决策方案。

总之，论坛基本体现了这个领域的最新进展。

参考文献

CaersJ. Modeling uncertainty in the earth sciences[M]. John Wiley & Sons, 2011.

CaersJ, Scheidt C, Li L. Quantifying uncertainty in subsurface systems[M]. AmericanGeophysical Union, 2018.

https://pangea.stanford.edu/departments/ere/dropbox/scrf/documents/reports/24/SCRF2011_Report24/SCRF2011_14.Caers.pdf

SunW, Hui M H, Durlofsky L J. Production forecasting and uncertaintyquantification for naturally fractured reservoirs using a new data-spaceinversion procedure[J]. Computational Geosciences, 2017, 21(5-6): 1443-1458.