赋能油气开发数智化 打造提质增效“金钥匙”——记中国石油集团科学技术研究院有限公司数字化转型专家、学科带头人、教授级高级工程师袁江如

唐慧乔 李明丽

2019年，习近平总书记在写给第三届世界智能大会的贺信中强调，要把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量，努力实现高质量发展。这条倡议让我国人工智能领域的科研工作者和从业者精神为之一振，也让中国石油集团科学技术研究院有限公司数字化转型专家、学科带头人、教授级高级工程师袁江如欢欣鼓舞。在他看来，近年来原油品位劣质化趋势及老油田进入特高含水期等实际情况，已成为我国油气行业不得不面对的严峻挑战。在油气开采难度和成本日益增加的同时，能源结构调整、厉行双碳目标对油气行业提出了更为严苛的要求，这意味着传统油气勘探开发技术已难以为继，从技术层面促进油气勘探开发技术整体的转型升级已成为关乎行业发展前景的重要议题。而将大数据和人工智能技术与实体企业紧密融合、大力加强人工智能在我国石油勘探开发中的应用，并从产、学、研、管端综合发力，将成为推动石油勘探开发主体技术更新换代的重要力量。

作为这一领域的参与者和践行者，袁江如深知，这场由人工智能带来的技术嬗变和行业升级绝非一日之功。沿着油藏数值模拟—大数据分析—机器学习—深度学习的探索之路，他直面挑战，不断为大数据人工智能赋能传统油气田开发工作开拓更多可能性。

先行的“甜头”——让先进的方法在油气田“落地”

1984年，在原核工业部北京原子能所做核反应堆材料研究的袁江如，接到了一封来自中国石油勘探开发研究院（以下简称“勘探院”）的工作调令。时任勘探院总工程师的韩大匡院士基于当时我国油气行业发展的实际情况，提出了大力发展油藏数值模拟技术研究的建议。随后为了支持相关研究的顺利开展，韩大匡“广发英雄帖”，招募各个领域的优秀人才加入自己的团队，袁江如就是其中之一。

2018年袁江如参加华为技术大会

在袁江如身上，颇有前辈们“干一行爱一行”的精神遗存。面对这份邀约，毕业于上海交通大学应用物理专业的他一度犹豫，最后还是应邀加入勘探院，在韩大匡院士的带领下开始了油藏数值模拟技术研究和软件研发工作。“当时完全没有‘人工智能’的概念，那时候还将它称为‘数据分析和数据挖掘’。即便如此，韩院士还是极具前瞻性地带领研究团队投入相关工作中，并且取得了显著的成果。2006年韩院士指导研究团队尝试用神经网络和支持向量机方法，与所做研究‘碰一碰’，完成了大港油田港东一区典型区块应用机器学习预测剩余油分布的初步研究。就此，我们开始对引入的包括实验数据、地质数据、生产数据，以及各种生产动态分析数据、测试数据在内的种类各异、数量庞大的国内油藏数据，利用如统计机器学习等常见的机器学习方法，用机理模型和数学模型对油气藏进行了初步的系统分析和预测。”

这样做的好处也很快显现出来。借助这些经典方法，袁江如得以触达一些机理模型或数学模型不能触及的领域。“到了2009年，我们发现运用机器学习的办法所得到的结果与数值模拟得到的结果相差无几。”度过最初的艰难时光，这道希望的曙光让袁江如和他的同事深受鼓舞，他们也就此坚定了在这条科研路上继续前行的决心。

21世纪初，长庆油田开始了超低渗及致密油藏水平井开发，同时以火山岩为储层的天然气藏勘探取得了重大突破，仅在松辽和准噶尔盆地就发现超过3万亿立方米资源量和9000亿立方米储量，储量规模居世界之首。如果能对储量丰富的超低渗致密油气和火山岩气藏实施规模有效开发，将为缓解我国天然气供需矛盾、满足国家能源需求、推动天然气工业快速发展和环境改善带来巨大推力。就此，袁江如锚定这一领域，加入了冉启全教授的火山岩气藏开发团队，依托20余个项目的实践和研究，他运用模型驱动和数据驱动相结合的办法，对火山岩气藏、低渗透油藏开发及软件研发、石油勘探开发人工智能的理论与技术创新方面展开攻关，取得了多项创新性成果。

上海交通大学应用物理系1983届毕业留念（袁江如在第三排左四）

在积极跟踪油气开发软件领域的发展趋势和最新成果的基础上，袁江如将油气开发软件的生产需求及技术水平与国际对标，明确油气开发软件的研发创新方向。他参与编写的《油气开发软件研发创新方向及一体化软件架构顶层设计、致密油气开发模型、油气开发人工智能优化决策研究等决策建议》得到了业内及中国石油天然气集团有限公司（以下简称“中石油”）领导的高度评价；他参与编写的《油气开发一体化软件架构顶层设计》得到中石油科技管理部的采纳，并促成了油气开发一体化软件平台架构的初步构建。此外，他还积极探索火山岩气藏和超低渗致密油气水平井-体积压裂改造开发模式下的创新理论模型与方法，在产能预测、非常规气藏数值模拟模型与方法方面取得了显著的创新性成果。依托“火山岩气藏开发优化方法研究及软件研发”课题，他创新发展了火山岩气藏开发优化理论模型与方法，为火山岩气藏开发优化设计奠定了理论基础；同时，他还带领团队自主研发了具有自主知识产权的特色软件系统，在大庆、吉林、新疆等油田得到了全面应用，建成产能33.6亿立方米/年、累产天然气超过100亿立方米，取得直接经济效益5800万元；由他参与的国家“863计划”课题“致密砂岩油气藏数值模拟技术与软件”首次建立致密砂岩油气藏非线性渗流数学模型，在数值模拟技术方面取得重大突破，自主研发非常规致密油气藏数值模拟软件——Untog V1.0，已在新疆、大庆、长庆和吉林油田公司推广112套软件，取得直接经济效益3.36亿元。这些成果也为他赢得了中国石油和化学工业联合会科技进步奖一等奖、中国石油和化工自动化行业科技进步奖一等奖，以及多项省部级、局级重要奖项。

“我们并不是比别人更聪明，只是我们多运用了一些科学方法。”袁江如说道，“其间经历过很多困难，但是我觉得很值。我们一直有一个信念，就是要把世界上最先进、最科学的方法落实到石油工业的具体应用中。很幸运的是，在交叉学科的背景下，我们团队成员做到了既懂石油专业知识，又懂机器学习和深度学习等算法，弥补了一些‘专业所限’的缺陷，开拓了新的领域和方法。这个过程说起来其实是特别难，但是我们走在了前面，也尝到了甜头。”

华彩赋新篇——给油田装上“智能大脑”

2017年，韩大匡院士敏锐地察觉到大数据、人工智能的发展动向，正式提出将其作为推动智能油气田发展的重要研发领域，以及“2035年前实现地震、钻井、测井、油藏描述与油藏工程、装备健康管理与智慧油田等5项主体技术的更新换代”的目标，这一度让与油藏数值模拟“相伴多年”、感情颇深的袁江如想不通：“我当时觉得油藏数值模拟就很好，为什么要被替代？”但是很快，他也意识到了油藏数值模拟模型的局限性——“数值模拟模型的诸多假设、网格粗化和内部机理等，限制了它的准确度。当它应用于油气藏，特别是非常规油气藏时，其准确率得不到显著提升。数值模拟模型本身是个很好的东西，但是对于复杂的常规和非常规油气藏，它也有不适用的一面。”想通了这一点，袁江如立即以饱满的热情加入韩大匡院士的队伍，投入到对油气大数据及人工智能的研发和应用工作中。

2018年袁江如（右）和韩大匡院士（左）在上海合影

就在这一年，袁江如以副项目长的身份，主持了工信部2018年大数据产业发展试点示范工程项目“基于大数据应用的油气勘探开发创新增效示范工程”。围绕大数据与人工智能深度学习方法在油气勘探开发领域应用开展关键技术攻关，以解决大数据驱动下的地震、测井、油藏工程、智能规划、智慧油田等技术难点问题为目标，袁江如团队凭借长久的积累优势和团队的同心协力，在2021年6月即完成项目并顺利通过验收，取得了极为亮眼的成果：在建立了基于大数据应用的中长期规划指标预测技术的基础上，团队为单井产量预测与油田产量预警提供了人工智能应用新方案；同时创新发展深度学习驱动的地震储层预测技术，构建了非线性地震储层预测人工智能解决新方案；基于深度学习的多维信息融合储层渗透性评价、储层参数预测与有利储层测井评价技术也在此过程中成形，推进了测井解释技术智能化发展；多信息融合深度学习储层地质建模技术的创新为储层地质建模提供了人工智能技术新方案；其所建立的大数据深度学习剩余油预测技术，为开展地质小层剩余油饱和度精细预测提供了大数据智能化应用新方案；此外，他们还创建了基于物联网和大数据的油井智能生产技术，深化了大数据在采油工程领域的应用。最终，这一项目获得省部级一等奖2项，申报国家发明专利14项、国家软件著作权16项、发表论文22篇，对大数据与人工智能技术在油气勘探开发领域的规模应用，发挥了技术引领和示范作用。

“据不完全统计，这个项目应该是我们业内‘三桶油’（中国石油天然气集团有限公司、中国石油化工集团有限公司、中国海洋石油集团有限公司）在相关领域的第一个国家级项目，也是一个无国家经费拨款、由中国石油天然气集团有限公司科技管理部全部配套经费的项目。为了把这个项目做好，韩院士成立了跨专业、跨所甚至跨院的人工智能团队，同时还积极展开与大庆油田、大港油田的深度合作。”袁江如骄傲地说道，“走在前面”的科研优势在此得以凸显，也成了他继续向前的动力所在。

然而做先锋队，也必定会引来很多不理解的目光。谈到其间遇到的困难，他提到了其中“小样本”算法的研发过程——“基于大港油田断块型油气藏的复杂结构，其开采难度极大，而人工智能的方法可用于其井间连通性分析、低阻潜力层评价等方面的预测和识别，对油田增产挖潜具有极为积极的意义。”然而，尽管当时人工智能的应用已经在一些领域取得明显成果，但油田内部仍对人工智能的“通用性”存疑。为了解决分层注水量智能劈分和剩余油智能预测等难题，袁江如团队以大数据分析的多信息融合方法为核心方法，圆满完成了院级重点项目“通过应用大数据深度学习方法预测合注条件下各分层剩余油饱和度的探索研究”，并用一年多的时间推出了“小样本”算法，顺利解决了上述难题。“由于油田采集的生产动态数据缺失量达到20%，测试数据譬如吸水剖面和产液剖面数据也很少，这都使得预测模型精度大大降低。而采用‘小样本’的算法，可以克服经验主义和人类观测能力限制所带来的问题，并大大避免了传统方法进行预测识别时油田须停产所带来的种种损失，在高效低耗的基础上，最终将预测的准确率提升到了75%以上。”

从全然不信任，到将信将疑，再到全然信任，袁江如团队用“眼见为实”的研究成果获得了油田领导和专家的一致认可。面对赞誉和成绩，他们并未就此止步，而是继续探索以相关技术和方法推动行业发展的可能性。“为了节约时间，项目技术人员长期驻扎在大港油田，夜以继日地奔波在研发、实践、验证的第一线；为了节省经费，项目组也想了很多办法，最终形成了一套高效的项目管理方法，确保了明确环节、有条不紊、责任到人。人工智能团队的努力、油田方面的有序配合，以及中石油科学技术研究院有限公司上下的通力支持，让我们取得了良好的成果。通过这个项目，我们成功地为油田安装了‘智慧的大脑’，大数据、人工智能已成为突破油气勘探开发关键技术瓶颈、推动行业技术更新换代的重要力量。”

前行守初心——为人工智能研究创造更好的未来

在忙于科研和实践的同时，袁江如也没有忘记在学术层面不断精进。他参与编写的《致密油气藏数值模拟理论与技术》和《煤层气/页岩气藏裂缝建模与数值模拟》两部专著是对于我国非常规致密油气理论、技术和应用水平的一次详细总结。在他看来，学术研究必须和生产实践紧密结合，这样研究获得的理论和技术才能促进油气田开发降本增效、切实解决生产实际问题，才是真正具有价值的研究。

袁江如这般严谨的科研态度，来源于家庭教育。年幼时父母对于科学的热爱、日常的悉心指导，为他日后考入上海交通大学应用物理系打下了坚实的基础。而与韩大匡院士的相遇，则成了他转换跑道、最终走向人工智能研究的重要转折点。进入勘探院后，袁江如收获了很多领导和专家的指导和帮助。1999年，时任勘探院油气开发计算机软件工程研究中心主任的刘明新教授推荐他到本院研究生部进行在职研究生的学习，以弥补石油基础知识层面的欠缺，并指导他完成了塔里木油田油藏数值模拟的研究工作；开启数值模拟相关研究时，先后出任勘探院副院长和院长的沈平平教授给予他许多理论和学术上的详细指导；韩大匡院士更是在袁江如油气生涯的每个关键环节扮演了引路人的重要角色；中石油科技管理部的钟太贤副总经理、勘探院的冉启全教授、田昌炳教授、李欣所长等人在不同阶段对他的鼎力相助，都让袁江如获益匪浅。专业的训练、恩师的指导、领导的扶持，是他得以在勘探院成长的必要营养，也是他从前辈手中收获的星星火种；而现在，他也以同样无私的心态将严谨、奉献、真诚的种子传递给自己的团队和学生。

先后组建过国家“973”计划项目研究课题组、火山岩开发软件研制项目组、油气田开发人工智能项目组等研究团队，袁江如延续了韩大匡院士提议的产、学、研、管相结合的合作方式，以项目合作方式与各大高校、科研院所、相关专家和科技人员组建多学科融合的科研攻关团队，并邀请了多位国外人工智能专家做指导。“打破了目前科研体制的局限性，充分发挥交叉学科的优势，形成了良好的合作互动网络，是我们团队的特色所在。”袁江如介绍道，“让新成果与老经验、油田个性化问题与学科横向发展成果互相作用、互相验证，从而形成一股合力，推动团队稳健持续发展。”在袁江如的带领下，他所在的团队斩获了中石油第一个数据科学领域国际奖项——2019年国际数据科学会议（ICDS）最佳应用奖，袁江如团队也在此过程中成长为中石油各领域专家通力合作创新的典范。

在提及人才培养时，袁江如强调了培养复合型人才的重要性。从油气行业的实际需求出发，他倡议非油气专业的本科生和硕士生进行油气主体专业的长期系统学习（包括博士研究生和博士后专业培养），同时引导油气主体专业的本科生和硕士生开展数理、数据科学、软件工程等长期系统学习（包括博士研究生和博士后专业培养），以适应企业对数字化转型复合人才的需求。从自身的经验出发，袁江如首先会安排学生持续参加人工智能基础知识和油气专业培训课程等，以弥补基础知识的不足，在此基础上融会贯通，就可实现研究能力的明显提升。他总是对学生语重心长地说：“科学没有捷径可以走，年轻人需要耐住寂寞，长期不断地学习和深入地研究，才能在某个领域做出成绩。”

回首过往，袁江如收获硕果累累，他却说那只是一路走来的里程碑。面向未来，他壮志满怀，基于在非常规油气田开发领域与国外同行“并跑”的趋势，袁江如期待在非常规油气藏微纳米渗流机理等技术研究领域持续突破，并采取大数据人工智能技术与非常规油气开发技术的深度融合，以求研发出更新换代技术，彻底解决非常规油田规模有效开发的难题；同时在建设智慧油田方面加快数字孪生油藏研究的进度，争取在2035年前达到数字孪生油藏和实际油藏仿真准确度达到90%以上的目标。“实际上搞创新不难，关键是思路方法要对。”袁江如说道，“如今，我们走出了一条卓有成效的新路，未来我期待在这条路上培养出更多具有人工智能研究能力的复合型人才，并争取在迁移学习和可解释性人工智能模型应用研究中有所突破。”