学术动态

当前位置: 首页 > 学术动态 > 正文
【黄岛讲坛(第39期)】苏义脑院士、张东晓院士来校作学术报告
发布时间:2019-04-01 16:25:52点击数:字号:
分享到:
我要评论 0
会议时间 会议地址
会议报告人 审核人 蒋大森
学术报告 简介

【本站讯】日前,中国工程院院士、油气钻井工程专家苏义脑,美国国家工程院院士、国家杰青获得者张东晓共同做客第39期黄岛讲坛,先后为师生作学术报告。我校学术委员会主任、中国工程院院士孙金声主持讲坛,300余名师生听取报告。

苏义脑院士作题为“对我国油气形势的认识与思考”的学术报告 王大勇摄影

苏义脑院士作题为“对我国油气形势的认识与思考”的学术报告,介绍了世界能源格局的发展现状。随着能源结构的改革,从2012年到2017年,新能源即非化石能源产量增幅达1.9%,而煤炭、石油、天然气等化石能源的占比都出现不同程度的下降,但总体上看,化石能源在世界能源格局中占比仍高达五分之四,其中石油仍有广阔的发展空间。苏义脑强调,学术意义上的非化石能源包括核能、水电以及风能、太阳能、生物质能、地热能等可再生能源,而风能在可再生能源中占比达52.2%。

对于未来世界能源格局的发展,苏义脑讲到,据专家预测,到2035年,全球一次能源需求将从目前的130亿吨油当量增至162亿吨油当量,石油和天然气占比分别为31%和27%”;到2050年,随着全球人口的增加、人民生活状况的改善,全球一次能源需求量将比2000年增长一倍,非化石能源也将加速发展,占世界能源总量的三分之一。

“合理的油价基线是一条斜率很小的直线,但实际油价基线仍表现为波浪形状。”苏义脑以影响油价的五个主要因素分析展开,即经济形势、基本定位、供需关系、地缘政治、人文干预等五个方面,深刻论证了油价的变化形式以及预测了我国今后石油天然气行业的发展前景。油价升降是经济运行的显示器、低油价是挑战也是机遇,落实绿色发展理念体现出苏义脑院士对应对未来油价形势的判断和思考。

为向观众直观分享我国能源发展现况,苏义脑罗列出2012年、2016年及2017年三年间煤炭、石油、天然气与新能源在我国能源总量中的精确占比,具体地进行分析,列举出数据并作出未来预测,“在2035年,中国的一次能源需求将由目前的30亿吨油当量增加至40亿吨油当量,其中油气占比分别为17%和14%。一次能源需求将在2040年达到峰值,约40亿吨油当量。”

谈及我国油气供应安全的若干问题时,苏义脑表示:“目前我国还未建立完备的油气战略储备体系,油气风险应对能力不足。”针对问题,苏义脑总结出四大策略:第一深耕国内,稳油增气;第二优化布局,分享资源;第三互联互通,多元供给;第四多方资源,中国市场。谈及具体发展方向,苏义脑院士表示:“我国未来油气发展需依靠科技创新,加大国内石油勘探开发力度,保证我国能源安全。同时需贯彻落实习近平总书记关于能源革命“四革一合”精神,多策并举,开源节流。”

放眼未来,工程技术是实现我国油气增储上产的手段和重要保障。苏义脑总结出油气工程技术的34683,即以工程技术和勘探、开发共同构成石油工业上的三大支柱;以信息化、集成化、智能化、个性化为四化特征;更深、更快、更便宜、更清洁、更安全、更聪明为六更趋势等等。“未来应以需求导向、创新驱动、工艺牵头、装备先行为发展战略,如此才能将我国油气行业发展得更大、更强。”

张东晓院士作题为“机器学习及其在石油工程中的应用”的学术报告 王大勇摄影

张东晓院士作题为“机器学习及其在石油工程中的应用”的学术报告,结合当下热门的大数据与人工智能应用,深刻剖析机器学习在寻找非常规油气“甜点”、人工智能数据驱动描述注采关系以及利用长短期记忆网络补全测井曲线与生成人工测井曲线等诸多方面的潜在应用。他提出,随着新一轮科技革命和产业变革正在萌发,大数据的形成、理论算法的革新,智能化已经成为技术和产业发展的重要方向。

机器学习就是将概率论、统计学等领域的知识与计算机技术进行交叉融合,研究计算机如何模拟或实现人类的学习行为以获取新的知识或技能,重新组织已有的知识结构,并使之不断改善自身的性能。张东晓率先指出机器学习的本质内容,“机器学习就是在不直接针对问题进行编程的情况下,程序自动提高性能,提取重要的模式和趋势的研究领域。”

“机器的算法有多种多样,关键就在于如何选择合适的算法。”张东晓结合自身经验讲解回归算法、聚类算法、分类算法、降维算法等多种算法的自身规律及适用范围,并以计算的数据量,数据是否需要分类、是否需要分析数据结构等方面为依据介绍如何正确选择算法以及算法的实际应用方法。

基于机器学习的研究,张东晓从介绍利用机器学习生成地质力学测井曲线开始,一步步展现自己的研究成果及方向。就页岩气开发主控因素大数据分析的研究,他得出压力系数和孔隙度具有强相关性等实验结论;针对物理问题的控制过程方面,他表示利用机器学习可以判断开采过程中地层所发生的物理过程,利用数据同化法则可以确定物理过程描述模型中的参数;在人类所不了解的映射关系等方面的问题上,通过机器自己学习即可获得真实数据,切实地解释了目前石油领域所存在的部分难题。

“机器学习在石油工程的潜在应用还比较初级,大多仅仅为机器学习方法的简单应用。”面对机器学习所处的现状,张东晓毫不避讳地指出挑战所在,现阶段数据不足,难以进行深度学习计算,算法结合也过于直接,不能根据实际情况调整算法等问题,成为限制机器学习领域发展的重要因素。但张东晓同样认为,通过机器学习的进一步研究与渗透,石油领域在渗流机理、油藏模拟、测井分析以及钻完井等领域或将取得重大突破,机器学习等新兴科技在未来石油勘探开发中大有可为。

苏义脑,教授级高工,博士生导师,中国工程院院士,油气钻井工程专家。中国石油集团钻井工程技术研究院原副院长,油气钻井技术国家工程实验室主任。中国工程院能源与矿业工程学部主任,中国振动工程学会理事长,中国科协委员。《振动工程学报》主编,中国工程院院刊《能源前沿》(Frontiers in Energy)主编,《石油学报》、《石油勘探与开发》等多家刊物编委。在定向井、丛式井、水平井等钻井技术研究与应用方面有深厚造诣。在钻井力学、轨道控制和井下工具研究中的多项创新成果居国际先进水平,形成体系用于生产效益显著。作为主研人员连续参加国家重点科技项目攻关,成果获国家科技进步一等奖2项、二等奖1项,国家技术发明二等奖1项。出版学术专著9部,编译著4部,发表论文200余篇。被国家授予“做出突出贡献的中国博士学位获得者”称号,获全国首届博士后奖和“全国优秀博士后”称号、中国石油天然气集团公司科技铁人奖,中央企业劳动模范、中国石油天然气集团公司特等劳动模范和“首届铁人奖章获得者”。

张东晓,教授,博士生导师,美国国家工程院院士。北京大学工学院院长、研究生院常务副院长、海洋研究院院长、国家杰青获得者,“长江学者”讲座教授。美国地质学会会士。地下水文学、非常规油气开采(煤层气、页岩气)、二氧化碳地质埋藏领域国际著名学者,其随机理论建模、数值计算、历史拟合和机器学习方面的研究成果已被国际同行广泛采用。著有专著2部,其中2002年出版的《渗流随机理论》(美国学术出版社)已成为领域内经典著作;发表学术论文210余篇,其中SCI论文170余篇。先后担任权威性杂志《水资源研究》《国际石油工程师杂志》等7种国际学术杂志副主编。发起并组织国际学术会议20余次,作特邀学术报告80余次。曾担任英国国家研究理事会“能源研究评估委员会”委员、美国国家研究委员会“地球科学2010-2020科研规划委员会”委员、达沃斯世界经济论坛(WEF)“全球议程理事会”理事。

【 作者:王大勇 孙伟 韩轶 战鑫杰 常闯 来自:新闻中心 科技处 大学生传媒中心  责任编辑:姜洪明 审核:蒋大森】

关闭

请遵守《互联网电子公告服务管理规定》及中华人民共和国其他有关法律法规。
用户需对自己在使用本站服务过程中的行为承担法律责任。
本站管理员有权保留或删除评论内容。
评论内容只代表网友个人观点,与本网站立场无关。
 匿名发布 验证码 看不清楚,换张图片
0条评论    共1页   当前第1

联系方式

联系电话:(0532)86983218

网站维护:中国石油大学(华东)创造太阳网学生工作室

地址:青岛市黄岛区长江西路66号 邮编:266580

山东省东营市东营区北一路739号 邮编:257061

鲁ICP备05021531号