我国解决油气开发世界级难题的创新方法包括数智化提采收率、攻克边际低渗稠油资产开发难题，以及多项关键技术攻关与应用。通过数智化手段提升已开发油田采收率，即“老树发新芽”；攻克全球公认开发难题，动用曾经“开不起来”的边际、低渗和稠油资产，即“荒地变粮仓”。海上油气田从“人海战术”转向“云端智控”，以“深海一号”为例打造了全球首个深远海半潜平台远程遥控生产系统，通过“深海云游”数字孪生平台实现设备状态实
原文链接：http://www.xinhuanet.com/energy/20260421/08910944c6814f6a952d15483437e7c3/c.html
华为韩硕：资源行业智能化转型 AI助力核心生产系统重构
发布日期：2025-10-14 10:12
信息来源：人民网浏览次数： 60
从内蒙古草原的露天煤矿到东海之滨的
炼化基地，从西部高原的金属矿山到华东地区的钢铁高炉，从中东中亚的石油井场到拉美地区的铁矿开采，人工智能的浪潮正在重塑资源行业的每一个角
。一年来的客户交流和实地调研，我深刻体会到，这个支撑着各国国民经济命脉的领域，经历着一场静水潜流的变革。
回首2024年，我认识到劳动资料、
原文链接：http://fgw.shandong.gov.cn/art/2025/10/14/art_104864_10476093.html
国内首创的录井水淹层智能解释评价模型已由大庆钻探工程有限公司自研发布，该模型可精准识别专业地质图像资料，实现数秒判识水淹等级，作业效率提升超80%。该模型将AI专项算法与水淹层专业评价技术深度融合，研发团队耗时一年，系统梳理标注二十余年积累的3000多口井、20余万条地质资料训练优化模型，还将资深地质专家数十年现场识图判层的实战经验转化为量化判别标准，保障专业精准度。相较于传统模型仅能实现浅层文字交互与基础性数
原文链接：http://www.stdaily.com/web/gdxw/2026-06/03/content_527254.html
含油岩层的人工智能算法
摘要：俄罗斯科研团队开发出一种基于机器学习的AI算法，可低成本、高精度地分析巴热诺夫组等复杂含油岩层的矿物成分，有
引了他的发言。
科罗捷耶夫教授及其同事指出，俄罗斯乃至全球相当一部分石油储量蕴藏于页岩及其他结构复杂岩层中，这些岩层成分不均一，需要特
热系数方面的精度，与昂贵的井上测量相当。科学家总结称，未来这将有助于以更少的时间、人力和资金投入来评估油气勘探开采的成效。
来源：塔斯社
AI/machine learning
AI at the Helm: Quantifying the Next Value Revolution in Upstream Oil and Gas
AI-driven analytics and digital platforms are reshaping offshore operations, enabling smarter, faster decision-making.
March 11, 2026
By Mohamed Alzaabi
The Way Ahead
AI is no longer an experimental technology. It is a proven creator of economic value in upstream oil and gas.
PhonlamaiPhoto/Getty Images/iStockphoto
Editor’s Note: Mohamed Alzaabi is a member of the TWA Editorial Board and a contributing author of previous TWA articles.
The upstream oil and gas sector has always operated at the inte
原文链接：https://jpt.spe.org/twa/ai-at-the-helm-quantifying-the-next-value-revolution-in-upstream-oil-and-gas
中石大联合主办第二届超深复杂油气藏智能开采与举升工艺技术研讨会
发布时间:2026-10-25 | 来源：石油工程学院 | 浏览量：
10月16日至18日，第二届超深复杂油气藏智能开采与举升工艺技术研讨会在新疆乌鲁木齐召开。会议以“
智驱动深地开采，超深举升引领未来”为主题，由中国石油大学（北京）和中国石油大学（华东）联合主办。来自中国石油、中国石化、中国海油，以及石油装备制造与技术服务企业、高等院校和科研院所的106名专家学者、工程
原文链接：http://www.cup.edu.cn/news/sx/c8d9aa2c517d4d5ba8b8acb77a65c607.htm
大家实际上都在通过一组组间接信息，判断地下储层究竟是什么样。所以，石油工业过去几十年的技术进步，很大程度上都在提高这种认识能力。二维
以后，钻井、平台、管线等大量投资已经发生。只要地下仍然存在能够经济开采的资源，多生产几年，就可能继续释放已有资产的价值。因此，AI的价值
并不一定来自发现一个全新的超级油田。如果它能够帮助工程师从大量历史资料中找到剩余资源，优化井位和开发方案，或者更早发现生产异常，它同样
本文作者：马哥能源频道
原文链接：http://m.toutiao.com/group/7688289995139924515/?upstream_biz=VolcEngine
针对油藏开发的人工智能应用，本研究开发了融合ANN、SVM、FL、进化算法及粒子群优化（PSO）的混合AI模型，搭配创新性数据预处理策略，可精准预测渗透率、孔隙度和相对渗透率等关键油藏参数。该模型构建了首个能同时处理岩心数据、测井曲线和生产历史的智能建模框架，关键技术路线包含基于贝叶斯自适应直接搜索（BADS）的数据清洗流程、融合物理约束的混合神经网络架构、结合现场数据的迁移学习策略，还通过将达西定律、毛管压力方程作为
原文链接：https://m.ebiotrade.com/newsf/2025-7/20250712000829663.htm
An Integrated Artificial Intelligence Framework for Upstream Oil and Gas Operations: Reservoir Characterization, Production Optimization, and Predictive Maintenance
Nnaemeka Kingsley Ugwumba
Listed in
Abstract
This research presents a comprehensive artificial intelligence framework designed to transform upstream oil and gas operations through the integration of machine learning across reservoir characterization, production optimization, and predictive maintenance applications. The study develops and validates hybrid models combining artificial neural networks, support vector machines, long sho
原文链接：https://sciety.org/articles/activity/10.21203/rs.3.rs-9106540/v1
AI/machine learning
From Seismic Data to Drilling Decisions: How AI is Reshaping Oil and Gas Exploration
AI is evolving into a practical tool that helps geoscientists and engineers work faster, evaluate more opportunities, and manage subsurface uncertainty.
June 29, 2026
By Abdulmalik Ajibade,
Piergiuseppe Fiore
The Way Ahead
High-quality digital data sets, combined with advances in computing power and machine learning algorithms, are enabling a new paradigm in which AI acts as an intelligent layer across the exploration value chain.
Source: Igor Borisenko/Getty Images/iStockphoto.
[Editor’s N