人工智能在地质领域的应用与展望

摘要：目前我国经济水平和各行业的快速发展，我国信息技术发展也十分快速。近年来，我国已全面进入信息化、互联网与大数据时代，各个行业都在探索新技术应用以加快信息化转型。在此背景下，城市工程地质勘察信息系统成为解决上述难题的关键技术路径，通过空间地理信息管理与分析能够有效弥补传统地质勘察工作中的不足。地质勘察工作所得出的结论可以作为工程的建设依据，不仅能够为建设工程的安全提供保证，还可以提升工程方案的合理性。但实际的地质勘察工作可能会受到诸多方面的影响，工作人员要明确工程地质勘察中质量控制的因素，才能做好防范的准备。

关键词：人工智能;地质领域;发展建议

引言

人工智能在地质领域的应用正成为行业发展的新动力。为了充分挖掘“地质+人工智能”的价值，有必要对其特点进行详细分析，全面了解和掌握人工智能在地质领域的发展与应用，明确人工智能在地质领域应用中存在的问题，积极应对“地质+人工智能”面临的机遇和挑战。

1人工智能在地质领域面临的问题和挑战

当前，地质领域的人工智能应用还比较少，尚未有颠覆性成果产生。“地质+智能”涉及多学科、跨领域交叉，囊括的学科范围广、研究领域多。同时，其技术需建立在大数据、云计算、5G+、物联网、区块链等基础上，对于技术间对应关系要求明确清晰，而地质的不确定性、复杂性、精确性差、多解性，加之已有的数据存在分散、割裂，部分甚至缺失等问题，这导致了人工智能技术在地质领域的应用困难。现阶段主要是开展探索性研究相对容易，但大规模应用仍面临重重困难。地质数据获取成本往往较高，因而获取的数据大多碎片化，数据量无法满足深度学习的要求;由于地质数据具有极强的专业性，通用人工智能算法无法直接使用，地质调查应用的特殊性、不确定性，无法在已有的资源库中寻找到核实的预训练模型和先验知识。这些都在很大程度上阻碍了人工智能在地质行业的应用、推广。地质数据来源广泛，既有政府部门、也有矿山企业、行业协会的;地质资料存储分散，存于不同地质单位、各级地质资料馆、行业协会、企业单位，甚至部分在地质工作者手中;我国地质行业协会众多，如地质，煤炭，黄金，有色，冶金等，导致“数据孤岛”与“信息烟囱”等老大难问题突出，甚至有些资料还没有信息化、数据化，数据之间缺乏基本的互联互通共享，不同行业拥有自己的数据格式，格式不统一，阻碍了数据的串联融通，也为机器学习、深度学习、数据挖掘设置了障碍。

2发展建议

2.1加强人员培训与专业教育

关于工作人员的专业教育培训工作是提升地质勘察质量的关键，在工程的实际地质勘察工作中，部分工作人员的专业技术水平并没有达到工作的要求，导致地质勘察工作的效率较低，非常影响地质勘察工作的质量。工作人员的专业水平不足，影响地质勘察工作中对仪器设备的使用，专业人员是否能够准确的操作设备测量数据、所测量的数据是否真实等等，都会成为地质勘察工作质量的影响因素。随着现代科学技术的发展，许多新技术与新设备都应用于地质勘察工作中，为推动我国工程地质勘察工作的发展，工作人员必须提升自身的专业水平，积极学习先进的地质勘察技术，学会应用先进的地质勘察设备。

2.2人工智能在石油勘探中的应用措施

如果要实现断层的自动化识别，就需要采用深度学习技术，这在当下的石油勘探中，是一个关键性的应用方向。在大量的实践探究过程中，可以发现，卷积神经网络的构建，可在集中实现多种数据的集成，经由对这些数据的分析和利用，可构建完整的断层智能识别模型，在后续该模型投入使用以后，可对石油储藏区域内的断层几率、倾角等各个参数加以精准识别，通过识别结果的分析，可得到关于石油储藏区域现场的断层信息，将此信息作为石油开采的依据。石油勘探中的油藏工程实施，最为关键的任务是要将渗流力学、油层物理作为着手点，对石油资源开发过程中油、气与水的移动规律、驱替原理加以全方位把控，以通过各种工程措施的应用，来保障资源的顺利开发。只有做好了油藏工程中的相关工作，才可提高开采效率，保障产量。在工业化快速发展的过程中，油藏工程表现出了智能化的趋势，这一趋势下，就是通过在油藏工程中的人工智能技术应用，来开展油藏的动态分析与模拟。实际上，油藏工程所涉及的范围的较广，在将人工智能技术应用到了这一方面以后，油藏数值模拟与油藏工程方法都可在智能技术下完成。比如，水驱开发实时监控、产量与饱和度预测、生产措施优化等方面，就综合采用了人工智能技术，在水驱开发实时调控方面，要通过数据挖掘技术的应用来对每个参数加以智能化调控，一些专家以动态观测数据为约束，通过最为传统的数值模拟与优化算法，经由自动识别分层注采流动关系，也就计算出了区块分层注采井之间所存在的流动关系，最后在多层多向产量劈分技术下，可得到关于油井分层分方向的产液量与产油量信息，这些信息可作为采油工作开展的参考。

2.3人工智能技术在自然灾害管理中的应用

虽然人工智能技术在地震和洪涝灾害的监测预警、预测预报和损失评估中取得了良好的效果。然而，自然灾害管理仍然是一个难题，原因主要包括：（1）自然灾害种类繁多，包括洪涝、雪灾、台风、低温冷冻、风灾、地震、滑坡泥石流、干旱等等，而且上述灾害的形成机理千差万别。（2）自然灾害管理链条长，涉及不同自然灾害的灾前、灾中和灾后多个阶段，而且每个阶段管理的侧重点不同。（3）不同阶段灾害管理的目标差异大。在灾害防御阶段主要是进行灾前的危险性评估和防御措施制定，如编制水旱、地震等灾害的风险区划;在灾害发生阶段主要进行灾害损失评估和应急救援，如震后的应急响应分析、损失快速评估和应急救援等。在灾后主要是进行损失综合评估和恢复重建等等。（4）灾害管理涉灾的数据种类繁杂，包括法律法规、人口房屋、通信交通、社会经济、自然环境、卫星遥感、无人机遥感、地面视频监控、社交网络等;上述数据的有结构化的表格数据，还有非结构化的图像视频和网络数据，以及介于结构化和非结构化之间的半结构化数据。

2.4完善勘察体系与管理制度

勘察单位应建立起完善的勘察管理制度，保障地质勘察工作的质量，完善的管理体系可以对地质勘察工作起到约束和管制的作用，而完善管理制度也是完善勘察体系的步骤，制度是地质勘察工作的客观保障条件，勘察单位应依据实际的工作情况，建立起符合国家标准的管理制度，对工程地质勘察工作中的各个要素进行细致的管理，如勘察对象、地质条件、地基类型、支护的细化处理方案等等，借助地质勘察管理制度的约束，可以持续推进地质勘察工作的要求，保证方案设计工作的有序开展，确定勘察的资质要求，使勘察结果趋于合理。

结语

人工智能提高了勘察数据的安全性、共享性以及在更大范围内发挥价值的可能性，有效提升了地质勘察的数据管理标准化和工作效率。后续研究工作将进一步分析视频等数据，以促进勘察信息管理工作在科学性、实时性方面向万物互联的智能化方向发展。

参考文献

[1]匡立春，刘合，任义丽，等.人工智能在勘探开发领域的应用现状与发展趋势[J].石油勘探与开发，2021，48（1）：11.

[2]黄玉峰，马磊，岳永军，等.浅谈智能机器人在勘探领域中的应用[J].物探装备，2018，28（5）：4.