基于人工智能、大数据和数字岩石物理技术的定量油藏描述和油气直接检测
人工智能是利用计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的技术学科，主要是利用人脑工作原理制造类似于人脑智能的计算机，使其能实现更高层次的应用，例如繁重的科学和工程计算本来是要人脑来承担的，如今计算机不但能完成这种计算，而且能够比人脑做得更快、更准确。油藏描述需要海量和繁重的科学和工程计算，因此我们可以尝试用人工智能方法来完成。
实际上自从上世纪90年代初期以来包括我公司创建者在内的广大地质和地球物理学者就试图把人工智能技术应用到石油勘探开发领域并取得了重要进展和成果，研发了一批适应勘探开发需要的实用技术，之后我们一直在从事这方面的研究工作并且在近年来取得了多个软著权，由此可见在把人工智能技术应用到石油勘探开发领域方面，我公司具有深厚的底蕴。
目前大多数主流的地震反演和油藏描述软件都是建立在水平层状均匀介质模型和几何地震学基础之上的，已不能满足地质家们近年来对目前日益复杂的勘探目标（如缝洞型油气藏、复杂油水关系的薄互层、非常规储层等）进行精细油藏描述和油气直接预测的要求。传统上地震反演的主要结果是波阻抗、纵横波速度比和密度三个参数，事实上，纵横波速度和密度的绝对值均很难反演准确。
近年来我们利用RoqSCAN数字岩屑技术提取的微观参数来对地震反演中的岩石物理模型进行优化，再通过对提取的地震属性参数进行约束，从而优选出最佳敏感属性，最后利用人工智能算法更加精确和可靠地进行定量油藏描述和油气直接检测，因此基于以上理念我们已成功研发出新一代的基于人工智能、大数据和数字岩石物理技术的油藏描述系统。
多年的探索和持续攻关以及近年来的项目实践已经证明，基于数据驱动的多属性油藏描述方法的精度和可靠性远高于基于几何地震学和基于模型的传统油藏描述方法，它能够实现定量油藏描述，甚至可以直接检测油气。
油气勘探面临的诸多挑战和解决方案
面临的挑战 | 实际需求 | 解决方案 |
厚度薄：单层厚度薄，1-5米，薄互层 | 提高薄层的纵向分辨率 | 综合利用来自测井数据以及岩心岩屑数据的微观信息进行模型优化，提高纵向和横向分辨率 |
相变快：储层横向变化快，井间地层变化大 | 提高储层的横向分辨率 |
物性差：低孔低渗，孔隙裂缝类型多样，油气水关系复杂，非常规储层 | 直接检测油、气和水，提高孔隙裂缝结构参数和储层物性参数的定量表征能力 | 利用人工智能优异的模式识别能力来直接检测油、气和水，强大的预测能力来定量预测各种储层和油藏参数，如孔隙度，脆性和TOC等。 |
埋藏深：新发现的油气藏埋深不断突破传统极限 | 超高深油气藏屡见不鲜，不断刷新纪录 |
实例：A井区页岩气气藏描述实例（储层厚度1-3米，埋深3000-3600米）
从以上成果可以看出，我们的多属性、数据驱动的人工智能油藏描述系统实现了勘探目标，解决了厚度小（1-3米），且横向变化大的储层预测和油气直接检测难题。
我们的这一油藏描述系统具有以下特色和优势：
1) 基于人工智能、大数据和数字岩石物理的新一代多属性、数据驱动的创新算法；
2) 实现了油、气和水的直接检测，借助于我们的数字岩屑技术对裂缝和脆性以及其它储层参数也能进行精确预测，实现了定量油藏描述和油气直接检测；
3) 分辨率和精度高，可靠性高，对井的数量要求低低；
4) 速度、效率和精度远高于基于模型和内插法的油藏描述方法；
5) 适用于断裂、构造复杂地区，解决了缝洞预测的难题；
6) 适用于碎屑岩、碳酸盐岩、火成岩、基底变质岩以及稠油等各种类型常规油气藏；
7) 适用于非常规油气甜点预测和水平井井轨迹精确规划设计；
8) 适用于储层薄、相变快、非均质性强的各类油气储层；
9) 适用于勘探、评价以及开发不同阶段的储层预测和油藏描述问题。