國內(nèi)一家從事油氣勘探的領(lǐng)先企業(yè)承接了大量的國內(nèi)外石油天然氣勘探項目，每年的地震數(shù)據(jù)分析處理的任務(wù)量非常大，傳統(tǒng)的 HPC 計算方法無法大幅提升數(shù)據(jù)處理效率。

在傳統(tǒng)的地震數(shù)據(jù)處理和解釋過程中，有一些操作需要人工來完成，或使用傳統(tǒng)的特征提取的方法，如去噪、初至拾取、速度拾取、斷層檢測、地質(zhì)體識別等。傳統(tǒng)方法不僅工作效率低下，而且對專業(yè)經(jīng)驗要求非常高，成為提高地震處理和解釋效率的瓶頸。

傳統(tǒng) HPC 計算方法

無法大幅提升數(shù)據(jù)處理效率

地震數(shù)據(jù)處理通常會遇到以下兩個挑戰(zhàn)：

• 隨機(jī)噪聲會嚴(yán)重影響地震資料的處理工作，如何高效地從含噪數(shù)據(jù)中提取有效信息，是地震資料處理領(lǐng)域的一個重要難題。傳統(tǒng)去噪方法需要從數(shù)據(jù)的先驗分布出發(fā)，建立并求解數(shù)學(xué)模型，還需要進(jìn)行大量傅里葉變換的計算。傳統(tǒng)地震數(shù)據(jù)去噪方法對于不同噪聲條件下的去噪具有一定的效果，但地震數(shù)據(jù)的噪聲產(chǎn)生因素多，噪聲分布復(fù)雜，僅僅根據(jù)數(shù)據(jù)先驗知識，人工建立的模型只能提取淺層特征，表達(dá)能力較弱，無法描述復(fù)雜的噪聲分布，嚴(yán)重影響了模型假設(shè)和參數(shù)設(shè)置的準(zhǔn)確性。更重要的是，野外數(shù)據(jù)的噪聲分布是未知的，缺乏足夠的先驗信息，因此傳統(tǒng)方法去噪效果并不太理想。

• 初至拾取是地震數(shù)據(jù)處理過程中極為基礎(chǔ)且重要的一項工作，傳統(tǒng)采用人工拾取方式，工作量大，拾取效率低，且容易引入系統(tǒng)的人為誤差。而且初至拾取的準(zhǔn)確性，在很大程度上會影響后續(xù)處理步驟的精度。

地震數(shù)據(jù)解釋也會遇到以下兩個挑戰(zhàn)：

• 傳統(tǒng)的地震斷裂解釋主要是一種人機(jī)交互方式，這導(dǎo)致斷層解釋效率低、人為不確定性大，增加了油氣勘探開發(fā)的成本和風(fēng)險。而常規(guī)的斷層識別方法通常需要專業(yè)人員設(shè)置多個參數(shù)來控制斷層識別效果，這導(dǎo)致識別的斷層結(jié)果嚴(yán)重依賴參數(shù)設(shè)置的準(zhǔn)確性。

• 地震層位解釋是油氣勘探中的關(guān)鍵環(huán)節(jié)，也是地震解釋中最耗時的一項工作。目前層位解釋和標(biāo)定更多的是依靠人工或機(jī)器輔助的方式進(jìn)行。目前，地震層位追蹤方法偏重于三維層位追蹤和剖面自動追蹤算法，存在效率低、需要人為指定種子點、訓(xùn)練追蹤時間長等缺陷。

AI 加持下地震處理和解釋

效率提升 60～200 倍

針對地震數(shù)據(jù)處理方面遇到的挑戰(zhàn)，該物探企業(yè)在其地震數(shù)據(jù)處理解釋一體化軟件中開發(fā)了相應(yīng)的人工智能計算模塊，來加速數(shù)據(jù)的處理。NVIDIA 負(fù)責(zé)石油領(lǐng)域的技術(shù)專家，支持其在 NVIDIA Tensor Core GPU 和 CUDA-X AI 平臺上進(jìn)行模型訓(xùn)練和不斷的模型優(yōu)化，使得用 AI 模型進(jìn)行隨機(jī)噪聲去噪，相比曲波迭代閾值法，去噪效率提高了近 200 倍；且智能去噪方法不再像曲波迭代閾值法那樣需要復(fù)雜的參數(shù)調(diào)試，可以自動識別并分離出噪聲；同時去噪計算的 AI 模型只學(xué)習(xí)隨機(jī)噪聲的特征，因此在去噪過程中不會損害有效信息，去噪后的數(shù)據(jù)保幅性好，可以滿足地震處理保幅性要求。

對于初至拾取任務(wù)的 AI 模型，在單 GPU 上運行推理任務(wù)，可實現(xiàn) 30 多分鐘預(yù)測 3 億多道的初至拾取，通常一個工區(qū)任務(wù)利用多 GPU 服務(wù)器并發(fā)運行，即可在約一小時左右完成全部初至拾取任務(wù)；經(jīng)測試對比，對于 5 萬炮中等信噪比數(shù)據(jù)，AI 模型推理預(yù)測速度相對于人工拾取方式快 80 多倍。

針對地震解釋方面遇到的挑戰(zhàn)，該企業(yè)該在解釋軟件中開發(fā)了相應(yīng)的人工智能計算模塊，來加速數(shù)據(jù)的解釋。在 NVIDIA Tensor Core GPU 和 CUDA-X AI 平臺上，使用混合精度訓(xùn)練和對 AI 模型進(jìn)行優(yōu)化，大幅縮短了模型的訓(xùn)練時間，提升了模型的推理速度。經(jīng)過對比測試，使用 AI 模型對某三維工區(qū) 687 平方公里約 12500 個 CMP 點高信噪比數(shù)據(jù)進(jìn)行處理需要約 8 小時，對于某復(fù)雜三維工區(qū) 432 平方公里約 11600 個 CMP 點低信噪比數(shù)據(jù)進(jìn)行處理需要約 10 小時，人工解釋均需約 20 個以上工作日，效率提升 60 多倍。

AI 助力油氣勘探工作效率大幅提升

隨著石油、天然氣物探任務(wù)已全面進(jìn)入高密度勘探階段，物探采集數(shù)據(jù)呈現(xiàn)指數(shù)級增長的趨勢，新采集的大面積三維地震數(shù)據(jù)，其數(shù)據(jù)規(guī)模已由 TB 級進(jìn)入 PB 級時代，巨大的數(shù)據(jù)計算量依靠人工和計算機(jī)交互完成已經(jīng)很難滿足任務(wù)要求。通過使用 NVIDIA GPU 和 AI 技術(shù)，充分利用海量的地震數(shù)據(jù)來訓(xùn)練 AI 模型，替代或部分替代傳統(tǒng)的地震數(shù)據(jù)處理和解釋計算的方式方法，從而實現(xiàn)地震數(shù)據(jù)處理和解釋的自動化和智能化，以滿足日益增長的物探任務(wù)需求。在該企業(yè)地震數(shù)據(jù)處理和解釋軟件研發(fā)過程中，NVIDIA 石油技術(shù)專家持續(xù)地提供相關(guān)的技術(shù)支持，使其能夠順利地在 NVIDIA GPU 和 CUDA-X AI 平臺上進(jìn)行模型的訓(xùn)練和推理加速，讓 AI 計算運用到更多的石油天然氣勘探領(lǐng)域的場景。

石油和天然氣資源的勘探任務(wù)繁重，意義重大，通過 AI 技術(shù)提升地震處理和解釋的能力，非常有助于提升油氣勘探的工作效率。NVIDIA GPU 作為強(qiáng)大的 AI 算力平臺，匹配高效的 AI 訓(xùn)練和推理加速庫，讓技術(shù)專家可以更快得獲得處理結(jié)果，大大提高了地震處理、解釋的效率和準(zhǔn)確性。

GTC 2024 將于 2024 年 3 月 18 至 21 日在美國加州圣何塞會議中心舉行，線上大會也將同期開放。點擊“閱讀原文”或掃描下方海報二維碼，立即注冊 GTC 大會。