6月30日，由公司物探技术研究中心自主研发的GeoEast-Smarter软件正式对外发布。
Smarter软件通过物探技术与人工智能技术的跨界融合，大幅提高了传统资料处理解释过程中手工操作环节的效率，明显提高了部分预测类环节的精度，并带来人工、机时、时间成本的降低等，从效率、精度与成本三方面为物探技术提质增效做出了贡献。这些技术在内部推广过程中即得到大规模生产应用并受到用户高度肯定。随着软件在油田推广，必将为集团公司高效勘探、低成本开发战略贡献更多智能物探力量。
物探技术研究中心坚持以自主研发为主，同时积极开展对外合作，与西安交大、北航、北大等知名院校建立了良好的合作关系，先后完成了智能速度谱解释、初至拾取、随机噪音衰减、断层识别、层位解释、测井解释、地质体识别、智能化采集影像质控等多项智能化技术的研发，形成了GeoEast-Smarter软件系列产品。
智能软件开发环境
（Smarter-SDE）
从无到有，建设国产人工智能物探软件自立自强的“高速公路”
Smarter-SDE是在GeoEast-iEco软件开发平台基础上，专为基于Python语言的智能化软件开发搭建的平台分支，是iEco平台的的重要组成部分。上述各项智能软件产品，已全部通过Smart?er-SDE集成在GeoEast系统上。Smart?er-SDE可为不同的AI框架提供相互独立的开发与运行环境，为使用Python语言的开发者提供基于iEco的“数据+通讯”支持，实现AI模块与现有模块的协同工作，支持处理解释AI模块的高效开发与快速集成。采用Python虚拟环境技术，具备了支持在pytorch、tensorflow、paddlepaddle等不同框架下开发的能力。实现了支持多样化的智能软件运行环境上的突破。
Smarter-SDE采用Python接口绑定技术，具备了在Python语言环境使用原生C++数据与通讯接口直接与GeoEast进行数据交换和通讯的能力。采用DBus技术，实现了C++调用Python的集成框架，具备了结构化的参数信息传递与对Python端状态捕捉等能力，全面打破了C++/Python混合语言开发的壁垒，为智能化软件提供了高效便捷的开发与运行环境，用户可以毫无障碍地像使用传统模块一样使用智能模块。
智能拾取
智能速度谱解释
（Smarter-VeloPick）
为“速度”加速度助力重点盆地高效勘探
智能速度谱解释模块研发了从速度谱训练样本集制作、深度学习网络模型构建到预测结果后处理的全流程智能化速度拾取技术，与GeoEast综合交互速度分析软件深度一体化融合，形成智能化交互综合速度解释工具软件，速度谱解释效率提高6-20倍。该技术已在6个工区得到实际生产应用，大幅提高了生产效率、降低了人工成本。
在高信噪比地区，只需简单解释少量速度谱作为训练标签，即可快速得到高密度、高精度的全工区速度谱解释成果，在保证精度的前提下，综合效率为传统方法的20倍以上。由于纵横向解释密度的提高，剖面叠加效果也得到了一定的改善。
在低信噪比复杂区，可以针对不同样式的典型速度谱数据，通过少量人工拾取并结合速度谱点的空间变化趋势，制作标签进行模型训练，从而使预测结果更符合地区特点。据统计，解释10000个CMP点的时间仅为2小时，通过提高解释密度，剖面成像更为准确。
处理人员应用智能速度谱拾取软件，只需少量手动拾取点进行模型训练，即可对工区全部数据进行加密解释，且速度拾取曲线与能量团趋势保持一致。
智能初至拾取
（Smarter-TimPik）
告别低效生产效率比原来提升十几倍
该模块针对初至拾取耗时耗力的痛点问题实现智能化转型，采用属性特征融合与注意力机制等针对性网络模型，能够实现对高、中、低信噪比资料不同综合效率的高精度拾取。与此同时，该模块基于iEco智能化平台及GeoEastV4.0地震资料处理解释系统开发，打通了智能化方法与GeoEast地震数据的交互，避免了数据的导入、导出；此外，可充分利用GeoEast处理系统中处理模型进行数据预处理，以及利用静校正软件中的相关攻关直接进行后续处理；该模块基于RedHat7.X版本开发，支持多节点并行，可充分利用并行集群的并行资源。
模块基于RedHat7.X版本开发，支持多节点、多GPU并行运算，计算效率极高。目前，研发中心人工智能初至算法已基本形成模块，可用于实际生产项目的测试应用。今年五月，已经支持了股份公司英雄岭攻关项目等科研项目的运行，极大的提高了初至拾取的计算效率。该模块具有较高的计算效率，测试过程中，使用一张A100GPU卡，3亿道地震数据的初至拾取仅需37分钟。对于20万炮、每炮1万道的工区，使用8张A100GPU的工作站可在1小时左右完成整个工区的初至拾取。
智能随机噪音衰减
(Smarter-RNA)
绘画地下世界的智能画笔为处理、解释提供可靠的数据资料
智能随机噪音衰减采用独立非同分布随机噪声建模方法进行智能噪声衰减，能够实现对自然界任意分布的随机噪声进行建模并预测，对非高斯噪声的去噪效果明显优于传统技术。去噪过程无需调参、处理速度快、去噪彻底、能在最大程度上保护有效信号，能同时用于叠前道集数据和叠后数据的随机噪声衰减。
为在随机噪音衰减处理技术中寻求突破桎梏的契机，依托现有随机噪音衰减处理夯实的技术基础，物探技术研究中心处理技术研发部开展人工智能随机噪音衰减模块开发试验，在GeoEast随机噪音衰减模块处理高斯分布的基础上，瞄准非高斯分布噪音衰减处理方面仍存在空白的领域，发挥人工智能处理技术优势，采用二维地震数据中存在的大量随机噪音数据对人工智能神经网络进行深度学习训练,利用独立非同分布随机噪声建模方法，对自然界任意分布的随机噪声进行建模并预测，对不同的非高斯噪声具有更好的泛化能力，适用于叠前数据和叠后数据的随机噪声衰减。去噪过程无需调参、处理速度快、去噪彻底、能在最大程度上保护有效信号。这个模块通过对克拉Ⅱ项目二维地震资料进行随机噪音衰减处理取得明显成果。
相干与智能技术断层识别效果对比（东部浅层）
高精度智能断层识别
(Smarter-Fault)
这个“地下城”藏不住了
成为复杂构造描述的有力工具
高精度智能断层识别模块针对相干、曲率分析的精度与噪声问题，基于模型正演与实际资料构建海量断层训练样本库，采用三维高精度卷积网络技术学习预测断裂。智能断层预测在纵剖面断层成像、微小断层成像、深层抗噪性方面具有明显优势，改善了传统的相干、曲率类断层成像效果，规律更强，细节更加丰富，成为精细勘探、高效开发中复杂构造描述的有力工具。
（1）东部断陷盆地智能断层识别东部断陷盆地断裂发育，交切关系复杂，相干技术在高信噪比区能够识别断层，但在低信噪比区的识别能力较差。人工智能断裂预测技术能够得到没有噪声干扰的清晰的断层预测结果，对断裂间关系的认识达到前所未有的明确程度。
（2）西部地区走滑断裂智能识别走滑断裂对于塔里木盆地台盆区碳酸盐岩断溶体的发育与油气成藏方面有着决定性影响。由于纵向断距不明显，传统技术难以精准刻画断裂系统。利用基于高精度断裂模型学习的智能断裂识别技术，能准确识别更多的走滑断裂，清晰刻画溶洞周缘的伴生小断裂，为碳酸盐岩油气藏高效井位部署提供重要依据。
高效智能层位解释
（Smarter-Horizon）
万丈高楼平地起一砖一瓦皆根基
提高复杂断块弱反射层解释精度和效率
该模块以人工解释的极少量层位骨架为训练样本集，采用基于多尺度特征提取与自注意力机制相结合的的深度神经网络模型技术，结合条件随机场模型与全局路径规划等技术，大幅度提升了层位自动追踪的效率和精度。
（1）超大面积工区智能化高效解释
在西部某工区，需要在短期内完成4800平方公里共14层的解释工作。用户采用GeoEast智能层位解释技术，仅需解释八条骨架剖面进行网络训练，就能基本实现全区层位的准确识别。层位追踪结果与地震契合度高，完全满足精度要求。神经网络的单层训练时间约12分钟，预测时间约36分钟，最终仅一周时间就优质高效完成了全部解释任务，比传统方法效率提升10倍以上。
（2）弱反射层智能追踪
对于具有中等连续性的弱反射同相轴，传统自动追踪方法会出现大量跳点，串轴现象普遍。智能层位追踪反射强弱和断层发育程度对追踪结果影响很小。
（3）断层分割的智能化层位解释
在智能断层预测结果的基础上，首次实现了基于断层属性自动分割的层位自动追踪，进一步提高了构造解释整体效率。
智能测井资料解释
（Smarter-Log）
慧眼如炬 洞若观火
测井解释的时效性和精度得到大幅提升
智能测井资料解释基于深度学习技术，实现了高精度多岩性识别、测井曲线拟合及物性参数预测等功能，解决了传统岩石物理模型由于参数不准而失效的瓶颈问题，为岩石物理建模提供了一条全新的研究途径。某研究区测井曲线类型少，仅有纵波声波时差、伽马和密度曲线以及少量井的横波曲线。通过岩石物理建模得到的横波曲线精度偏低，智能横波预测技术较好地解决了这个问题，得到了高精度的横波曲线。同时开发了基于现有曲线的测井曲线补齐技术，较好地解决了经常面临的部分测井曲线缺失的问题。
与传统的体积模型、岩石物理模拟技术相比，智能测井解释从非线性空间挖掘测井响应隐含的储层岩性、物性等信息，摆脱了专家经验的依赖，测井解释的时效性和精度都得到了大幅提升。
智能测井解释精度高，对不同储层类型的测井数据均可实现较高精度的岩性识别和曲线预测；智能测井解释智能化，不过于依赖和强调用户的专业背景，用户接受性强；智能测井解释方便易用，对原始数据的种类和数量要求较低，且大幅降低测井解释耗时，节约成本，便于油田推广和使用。
智能化采集影像质控
（GM-VAC）
提速引发的生产“质变”
野外采集视频质控的效率和质量显著提升
地震采集影像智能化质控软件（GM-VAC）以计算机视觉分析为基础，具备影像质量校核、下药井深自动计算、闷井质量自动评估、人工复检辅助和计算资源自动分配等五大特色功能，采用人工智能实现施工质控与HSE重要工序关键信息的自动化提取，实现对影像视频内各类目标的精确识别及行为分析，可支持质控与HSE多类工作、多种目标视频检查功能，系统提升野外采集海量质控视频数据检查响应时效。软件创新的并行操作框架、先进的双序列提速理念，可有效保障采集作业安全生产和提质增效。
今年，软件在四川盆地南充三维、梓潼3D3C、西充三维等公司“三标”工程示范项目中得到了规模化推广应用。实践证明，软件所具备的视频智能化命名功能，使单个视频的平均操作时间从1分钟缩短到100毫秒左右，效率提升数百倍；井深识别能处理70%以上的有效视频，其结果准确性、可信度、处理效率等符合现场生产的需要；人工复检辅助模块可缩短40%视频质检时间，大大提升工作效率；检测过程中多种分析报告还能直接为施工过程质量管理提供依据，为采集作业保驾护航。