基于大语言模型和知识图谱的油气勘探开发实例库构建研究 (1).pdfVIP

基于大语言模型和知识图谱的油气勘探开发实例库构建研究

彭成，李治昊

（中国石油化工股份有限公司石油勘探开发研究院，北京100083）

摘要：大语言模型强大的自然语言处理能力对人工智能领域产生了巨大影响，基于大语言模型的油

气勘探开发实例库建设，可以实现经验和知识的积累，为业务人员提供知识和经验的借鉴，并辅助分

析和预测勘探开发趋势。大语言模型与知识图谱相结合，可以在具有较强通用语义理解和泛化能力的

同时，提供结构化知识图谱专业性强、可解释性好、准确性高的结果，实现优势互补。通过对基于大

语言模型及知识图谱构建油气勘探开发实例库的实施路线、风险分析、预期目标及效果进行研究，可

以为大语言模型在油气勘探开发决策中的应用提供理论依据和实践指导。

关键词：实例库；知识图谱；决策支持；大语言模型；油气勘探开发

1概述油气勘探开发实例库建设面临的困难主要包括：

大模型标志着通用人工智能（AGI）时代的到来，（1）人工整理难，数据与图表散落在报告中，数据查找

国内研究机构和公司已发布10亿级参数大模型近百难、整理工作量大、效率低，图表无法直接更新，如圈

[1]闭特征、储层参数、流体性质、油藏地质特征、钻井取

个。随着计算机硬件性能不断提升、深度学习算法

[2]心统计、岩石成分分析、储量评价结果等难以获得。

快速优化，大模型的发展日新月异。2022年11月

OpenAI公司推出的ChatGPT，凭借其出色的自然语言（2）分类管理难，实例具备多维度知识属性，在不同阶

生成能力在全世界范围受到广泛关注，两个月内突段承载的知识不一样，大的一级分类包含地理位置、开

[3,4]发阶段、技术应用、资源类型、规模与产能、地质特

破1亿。

大模型产生的知识“涌现”现象能够提供跨领域知征、生产方式、环境条件等。（3）过程复盘难，盆地、

识服务，大幅度减轻工作量，提高工作效率。这一过程区带、圈闭、探井、油气田等勘探开发目标涉及的专业

的核心是用历史数据对大模型进行训练，充分发挥数据多、资料杂，汇聚整理难，需要大量数据和深厚的专业

的价值。以大模型为基础，结合历史数据资料，建设油知识、现场经验，缺乏科学高效手段的支撑来实现。

气勘探开发实例库，将大量人类知识和经验整合在一（4）协同应用难，大量实例知识融合在一个方案中，借

起，有效地对复杂问题进行分析和预测，更好地支撑勘鉴和使用通过文档传递，关联分析和决策难度大。（5）

[5]传统人工智能模型面临挑战，相对单一固化的模型，不

探开发全流程决策应用。

2背景分析能融合各类数据。存在样本数据少、专家依赖强、推理

油气勘探开发实例是对油田基本属性的客观描述能力单一。新数据新特征自学习能力不强。缺乏油气常

及全生命周期关键事件的复盘和总结。建设勘探开发识、交互效率低。跨领域知识融合难，难以支撑多专业

实例库，可以实现经验和知识的积累，为业务人员提协同场景。

供知识和经验的借鉴，并辅助其分析预测勘探开发3建设目标和内容

趋势。为了充分运用知识管理系统的知识资产、技术组件

油气勘探开发决策内容包括矿权评审、地震部署、及大模型新技术，确保知识资产得到统一治理，利于后

探井部署、圈闭评价、科研立项、开发方案、新井部期不断融合发展，在油气勘探开发语言大模型训练基础