摘要
地下地质构造三维模型的构建（简称为构造建模）是油气资源勘探开发最重要的基础工作之一，可以为深度域地震成像、岩性解释、油藏建模等提供支持，直接影响储量计算、井位部署等油气开发方案的制定。近年来，由于对复杂构造油气藏勘探的需求，构造建模作为其支撑技术已经成为了地球信息科学和地球物探领域共同关注的研究热点之一。 传统构造建模方法以地震解释得到的地质曲面（层位面和断层面）几何形态信息为主要基础数据，通过纯数据驱动的方式建立模型。但在油气藏勘探难度逐年提升的背景下，构造解释的获取成本与不确定性也随之增加，纯数据驱动的建模方式已经难以满足应用需求。现阶段亟需一套数据驱动与知识驱动结合的智能构造建模理论和方法体系，以提高不确定性条件下对复杂构造的建模能力。 要实现构造建模的智能化，首先需要解决人工智能领域的两个基本问题：语义表征和不确定性条件下的知识图谱构建，其次需要将信息技术创新与地学领域应用进行深度融合。所以智能构造建模面临的挑战可以概括为以下四个方面：(1)缺乏构造模型语义的表征方法，现有地质数据模型无法表征构造解释过程中产生的大量构造认知信息；(2)缺乏构造模型知识图谱的构建方法，现有知识图谱构建技术体系不适用于构造解释数据；(3)缺乏构造认知与建模过程的融合机制，现有建模方法依赖数据驱动，难以利用语义信息；(4)缺乏不确定性条件下的知识图谱质控方法，现有的知识图谱构建方式难以在基础数据与先验知识均有不确定性的情况下建立完备的知识图谱。 本文在语义表征和知识图谱构建方面进行了研究，并以知识图谱为核心技术手段，将其应用于构造建模。本文的主要创新和研究内容包括以下四点： (1)提出了构造模型的语义表征方法：现有地质数据模型已经可以准确地描述构造要素（构造模型的组成单元）的几何形态信息，但缺乏对构造特征、构造拓扑和构造形成过程的表征。针对这一问题，本文提出了构造模型的语义表征方法，提供了将构造认知信息形式化表征的理论基础。语义表征方法分别从几何拓扑关系、地质接触关系的角度给出了构造要素的空间描述，还从构造演化过程的角度揭示了构造要素间的物理逻辑关系。将语义表征框架进行本体建模就建立了构造模型知识图谱的模式层。 (2)提出了针对构造解释数据的知识图谱构建方法：现有的知识图谱构建技术体系主要服务于自然语言的语义处理，不适用于非结构化空间几何数据的语义抽取。针对这一问题，本文提出了以构造解释为源数据的构造模型知识图谱自动构建方法。本文方法通过感知和知识推理逐步得到构造要素实体和构造要素间的语义关系，建立了构造模型知识图谱的数据层。在此基础上，本文还提取了地质曲面构造特征，根据构造要素间的语义关系进一步推理获得了构造演化过程。 (3)提出了知识图谱引导的构造建模方法：在构造解释不足以准确描述地质构造的情况下，现有建模方法尝试将露头、钻孔、地质图等资料通过外部手段转化为建模输入，但能够转化的信息具有局限性，在面对复杂构造时依然无法达到令人满意的建模效果。针对这一问题，本文提出了知识图谱引导下的构造建模流程，核心方法为将知识图谱中包含的构造要素关系信息转化为地质曲面重构的边界约束，从根本上避免了曲面重构外插值的不可控性导致的建模方法不稳定性。 (4)提出了基于人机知识交互的知识图谱修正与动态建模方法：在基础数据与先验知识都具有不确定性的情况下，单纯使用任意一种现有的知识图谱构建路线（自底向上与自顶向下）都不能得到完备的知识图谱。针对这一问题，本文提出了基于人机知识交互的知识图谱修正方法，与研究内容(2)结合形成了自底向上与自顶向下结合的知识图谱迭代构建流程。本文提出了知识图谱可靠性检测器，通过图匹配实现了知识图谱中错误和新知识的自动提示，帮助建模人员修改构造解释和先验知识，最终得到完备的知识图谱。此外，考虑到在油气勘探开发过程中构造认知可能会不断变化，模型需要对应进行更新，本文进一步提出了基于知识图谱的动态构造建模方法。知识图谱可以从逻辑关联层面找到构造认知变化中受影响的构造要素，在最合理的范围内重构模型，实现高效的动态构造建模。 综上，本文提供了一套知识与数据混合驱动的智能构造建模技术方案，在人工智能的基本方法和应用上进行了创新。实验表明，本文的方法对不确定性条件下的复杂构造建模具有良好的稳定性。
NETL