石油和天然氣行業(yè)越來越多地采用人工智能（AI）來推動創(chuàng)新和提高效率。憑借專用人工智能工具的承諾，公司能夠以前所未有的精度簡化運營和控制成本。

就在幾年前，實現(xiàn)這種水平的優(yōu)化和顆粒度控制似乎遙不可及，但人工智能的進步正在使其成為現(xiàn)實。

當(dāng)我們想到石油和天然氣勘探時，首先想到的是巨大的經(jīng)濟機會和致富的潛力。石油因其巨大的經(jīng)濟價值而被稱為“黑金”。然而，這種說法往往忽視了環(huán)境和氣候挑戰(zhàn)。無文件記錄的孤立井（UOW）構(gòu)成嚴(yán)重的安全隱患。它們泄漏甲烷，污染水，釋放有毒化學(xué)物質(zhì)，危害環(huán)境。

專家認(rèn)為，美國仍有數(shù)十萬口油氣井沒有文件記錄，也沒有所有權(quán)。

研究人員使用各種現(xiàn)代工具來幫助他們找到和封堵這些UOW，包括激光成像、無人機和傳感器。不過，面對美國超過300萬平方英里的本土面積，這些方法可能效率低下。這就是人工智能介入的地方。它可以增強這一過程，使尋找工作在如此廣闊地域更加有效。

美國能源部勞倫斯伯克利國家實驗室和其他機構(gòu)的科學(xué)家開發(fā)了一個人工智能系統(tǒng)，用于分析45年來美國地質(zhì)調(diào)查局的歷史地圖，確定了加利福尼亞州和俄克拉荷馬州的1301個潛在UOW。

“雖然人工智能是一項當(dāng)代且快速發(fā)展的技術(shù)，但它不應(yīng)該只與現(xiàn)代數(shù)據(jù)源聯(lián)系在一起。”勞倫斯伯克利國家實驗室（伯克利實驗室）的博士后研究員Fabio Ciulla說，他是一項關(guān)于使用人工智能尋找UOW的案例研究的主要作者。

“人工智能可以通過從歷史數(shù)據(jù)中提取信息來增強我們對過去的理解，這在幾年前是無法實現(xiàn)的。我們越是走向未來，就越能利用過去?！?/p>

從2011年開始，美國地質(zhì)調(diào)查局開始上傳19萬張1884年至2006年的數(shù)字化地形圖。這些地圖帶有地理標(biāo)簽，允許每個像素鏈接到特定的地理坐標(biāo)，以便于參考。地理標(biāo)記至關(guān)重要，因為它將每個地圖像素與特定的地理坐標(biāo)聯(lián)系起來，使人工智能系統(tǒng)能夠準(zhǔn)確檢測和分析潛在的UOW。標(biāo)記的UOW使用衛(wèi)星圖像、實地調(diào)查和磁力計等傳感器進行驗證。

伯克利實驗室的研究團隊訓(xùn)練了人工智能模型，以識別地圖上的正確點并避免誤報。該模型還必須處理不同地形、顏色和條件的地圖。一些舊地圖被撕裂和弄臟，很難使用。

Ciulla說：“對于人類來說，看著這個圓圈并認(rèn)出它是非常容易的。”“直到最近，這是從這些地圖中提取信息的唯一可用方法，但如果我們想將其應(yīng)用于成千上萬張地圖，這種策略就不能很好地擴展。這就是人工智能發(fā)揮作用的地方?！?/p>

雖然伯克利團隊開發(fā)的AI工具依賴于AI，但它也允許手動調(diào)整。研究人員可以審查這些發(fā)現(xiàn)，以確保人工智能正確解釋地圖上的符號。研究人員使用衛(wèi)星圖像驗證了人工智能模型發(fā)現(xiàn)的29個UOW，并通過實地調(diào)查驗證了另外15個UOW。

到目前為止，研究人員采取了保守的方法，優(yōu)先考慮減少誤報而不是漏報。雖然這些結(jié)果可以作為概念驗證，但考慮到美國各地?zé)o證UOW的規(guī)模，該模型需要迅速擴展。

展望未來，研究人員的目標(biāo)是將人工智能的預(yù)測能力與無人機等現(xiàn)代工具相結(jié)合。配備磁力計的無人機預(yù)先設(shè)定了飛行路線，可以進入空中探測具有挑戰(zhàn)性的區(qū)域。無人機還可以配備傳感器，或者配備激光雷達(dá)的飛機可以用來檢查空氣中是否存在泄漏。人工智能和先進技術(shù)的結(jié)合可以為提高定位和封堵UOW的速度和準(zhǔn)確性鋪平道路。