石油勘探与开发领域的问题具有其特殊的复杂性，如三维和四维地震数据的解释，复杂的多边钻井设计与实现、测井解释、试井解释、地质模型的建立、储层模拟与分析等，这些问题在实际应用中构成了复杂的、系统化的油藏管理问题。近年来，人工智能和GIS技术发展迅速，在石油勘探开发领域中解决了许多实际问题，体现出极大的应用潜力。笔者认为，对二者进行无缝集成，互取各自优势，并在实际中建立一个基于GIS数据库的智能化决策支持系统，将GIS与人工智能综合应用到勘探开发决策与分析的全过程，具有重要的理论与实际意义。

    1、人工智能在勘探开发中的应用

    1.1 基本应用

    人工神经网络（ANNS）技术、模糊逻辑（Fuzzy Logic）、专家系统（ES）作为人工智能的典型代表技术应用较为活跃，已渗透到石油勘探开发的各个环节。如Alimonti[1]等人结合统计学、人工神经网络技术、模糊逻辑等对单井多相流进行综合测量和诊断分析；Ertekin和Silpngarmlers[2]提出的神经模拟方法，对包含实验室测得的石油工程参数和现场测井参数在内的复杂数据进行综合的并行计算和分析，最终建立预测模型。Weiss[3]则在使用常规统计方法对测井参数进行数值描述后，采用已知产能参数作为输出结果，将数值描述结果进行初始化后输入神经网络进行训练，最终建立了可以预测单井化学吸收性能和二次注采比等参数的神经网络模型；El-Ouahed和Tiab[4]将神经网络和模糊逻辑相结合并成功应用到了裂隙性油藏的分析中，并在二维空间中绘制了阿尔及利亚 Hassi Messaoud 油田一个较大区块的裂隙强度分布图和裂隙网络；Lim[5]为了通过选择最佳的测井数据对油藏特征进行研究，结合应用模糊逻辑和神经网络技术建立分析模型，并对该方法的应用进行实例验证，获得成功。

    此外，人工智能技术还在剩余油分布研究[6-8]、NMR测井数据反演[9]、储层对比分析[10]、钻井成功率预测[11]以及石油开采量预测[12]等诸多方面都有应用。

    1.2 存在问题

    从现有的人工智能技术在石油勘探开发中的应用特点来看，也存在一些有待解决和完善的问题：

    （1）数据接口不统一。不同的数据类型和数据模式不能方便的输入，给实际应用中数据的初始化带来一定困难，造成数据处理和智能模型建立过程的复杂化和低效化。如建立一个人工神经网络模型，可能要对各种算法（如常见的BP、RBF、LVQ、SOM、Hopfield网络等）进行试验，通过多次调整参数和对比结果才能确定相应的模型。

    （2）模拟或分析结果的可视化问题。对于勘探开发领域的绝大多数问题来讲，结果的可视化相当重要。如何将智能化技术计算得到的结果可视化地与其他地质勘探类图件相叠加做二次分析，是智能技术在勘探开发领域深化应用的关键问题。

    （3）高维数据处理困难。石油勘探开发领域的问题多涉及复杂的空间三维体数据分析和处理，且空间异质性问题普遍存在。但对于普通人工智能系统来说，较大数据量的分析应用就会存在一定困难。这就妨碍了更进一步对勘探成果进行分析和油藏精细化描述等工作。

    2、  GIS在勘探开发中的应用

    2.1 基本应用

    GIS在实际中应用最多的是各种勘探信息系统的建设。如物化探数据库的建立[13]、基于GIS的勘探数据集成[14]、基于WebGIS的油气勘探开发信息可视化管理系统的研究与开发[15]、对勘探成果信息进行科学管理的油气勘探成果信息系统等系统级的应用[16]，此外还有面向油田勘探信息管理、查询、发布、分析和应用的可视化信息系统[17]等。通过相应GIS系统的设计，不仅能够为庞大数据的组织和存储、查询和分析提供有效手段，而且使得对各类复杂数据（常规数据、二维图形图象数据、三维体数据等）的组织和集中应用成为可能。对油田各区块的研究也能够快速有效的进行数据整合或重组，从而发现新的内容。如关系型数据库GeoLegend与GIS的结合很好的解决了地质图件相邻区域的图幅存在符号和图例等差异时的拼接和局部成图问题。尤其是三维GIS的逐步推广，为在空间中进行不同角度的可视化分析，从而发现更细致和更复杂的精细构造创造了条件，而这些局部的复杂构造往往对油气藏的进一步分析和描述具有至观重要的作用。

    2.2 存在问题

    GIS在石油勘探与开发领域的应用虽然已经逐步走向成熟，但就目前应用来看，还有许多问题有待解决：

    （1）有针对性的数据管理问题。GIS对图形数据和属性数据具有强大的组织和管理功能，但对于大多数应用来说，系统所面临的数据是多源、多种类、多主题和海量的油气勘查数据，常规的GIS平台软件难以有效地管理和应用与特定的石油工程问题中。因此，必须在已有的GIS平台上进行二次开发，扩充和完善系统的数据管理分析能力，这就给石油勘探开发领域的技术工作者的综合素质提出新的要求。

    （2）数据入库效率低。数据的录入尤其是GIS图形数据库的建立需要投入大量人力物力，因此数据的更新速度慢，落后于勘探部署工作。

    （3）缺乏石油勘探开发领域的专用模型库。普通GIS虽具有数据存储、管理和分析的基本功能，但没有专门针对石油行业的专属方法库或模块。因此，在实际应用中必须进行大量的模型库开发工作，阻碍了GIS的深入应用和普及。

    （4）信息应用深度不够。现有的大部分软件功能主要集中在数据查询、报表编制、常规数据分析方面，对于深层次信息挖掘、多技术协同工作等功能则涉及较少。