机器学习预测油井泄漏，有效遏制全球变暖

导读：佛蒙特大学（University of Vermont）的研究人员使用机器学习算法来判断天然气和油井何时会泄漏甲烷，已经实现87%的准确度。甲烷是一种非常强效的温室气体，对全球变暖的影响是二氧化碳的90多倍。

▍图片来源于网络

在科学家利用人工智能识别石油和气井中温室气体的泄漏情况后，这一技术将在遏制全球变暖方面发挥关键作用。

佛蒙特大学（University ofVermont）进行了一项研究，使用机器学习算法来预测油井是否会排放甲烷。由于甲烷是一种非常强效的温室气体，在排放后的头20年里，其对全球变暖的影响是二氧化碳的90多倍。

该研究测试了加拿大阿尔伯塔省的38391口井，能够以87%的准确率确定哪些油井漏气，哪些正常。研究者表示：“鉴于甲烷是导致全球变暖的一个重要因素，这是一个应该加以利用和重视的信息。”

甲烷对全球变暖的影响

数十年来，美国能源部的大气辐射测量（ARM）设施一直在收集地球大气的综合观测数据。

在最新研究中，科学家对高度校准的长期测量结果进行了分析，将甲烷导致的温室效应变化独立出来，首次获得了甲烷导致温室效应增加的直接观测数据。发表于4月2日的《自然·地球科学》杂志中的研究称，21世纪初，大气中甲烷的浓度停滞不前，温室效应也遵循同样的模式；但从2007年开始，甲烷浓度开始上升的同时，其导致的温室效应也水涨船高。

研究主要作者、伯克利实验室研究科学家丹·费尔德曼说：“来自实验室的测量、理论和模型，都认为甲烷是一种重要的温室气体，但我们一直持怀疑态度。最新研究直接计算了随着甲烷浓度不断增加，会如何导致地球大气层温室效应的与日俱增。”

▍图片来源于网络

机器学习识别甲烷泄漏

佛蒙特大学研发的机器学习算法分析得出了16个特征，通过对这些特征的分析，研究者可以预测油井是否有破裂和泄漏的风险。

机器学习算法识别的三个关键特征揭示了油井的易损状况：偏离垂直钻井线的油井；历史悠久、尚未引入现代钻井技术之前开掘的油井；环面较大的油井——套管越大，需要的水泥体积越大，这就增加了产生空隙的可能性。

通过机器学习算法，研究人员获得了油井状况的详细信息，包括4000正在开采的油井中石油或天然气的流体性质。对于这些油井，机器学习算法识别甲烷泄漏的准确率为87%。另有包含28500口油井的大样本，当中流体性质尚不清楚，机器算法的判断准确率约为62%。

▍图片来源于网络

人工智能扮演关键角色

阿尔伯塔省的公司被要求在开始作业前测试油井，以确定它们是否产生空隙并泄漏了甲烷，员工还被要求必须仔细记录每口井的施工特征。

Anthony Ingraffea教授是康奈尔大学土木和环境工程学院的教授，他是石油和天然气井设计和建造方面的专家。针对这一研究，他说:“省和州的监管机构从来没有足够的检查人员或财政拨款来定位泄漏油井，更不用说修复了。佛蒙特大学这项研究对政府来说是无价的，因为他们现在可以将检查重点放在最可能现在泄漏或即将泄漏的油井上。”

研究人员表示，该机器算法统计出的结论还有助于为设计和建造新油井提供理论支撑，将油井泄露的可能性降至最低。据悉，在阿尔伯达省的油井数据库中，大约有12.5%的油井在投产时发生泄漏。

▍图片来源于网络

佛蒙特大学的研究者表示，随着现有油井的逐渐老化，甲烷泄漏问题需要得到更多重视。他说:“考虑到油井很可能会随着年龄的增长而老化，现有研究结果可能会低估最终会发生故障和泄漏的油井数量。”

- END -