1. 引言
2025年9月，国家发改委、国家能源局发布《关于推进“人工智能+”能源高质量发展的实施意见》，系统部署了人工智能 + 油气应用场景。《意见》明确提出，到2027年，推动五个以上专业大模型在油气行业的深度应用。在“双碳”目标背景下，油气领域与人工智能技术的深度融合和创新发展正展现出强大潜力。ChatGPT等AI工具的问世[1] [2]，引发了油气教育领域的广泛关注和诸多思考。将人工智能技术深度嵌入到油气高等教育领域日常教学过程中，为教育质量的提升注入新的能量[3] [4]。教育部数据统计显示，截止目前为止，全国超70%的高校均已不同程度地开展了人工智能课程建设改革[5]。“油矿地质学”作为石油类高校资源勘查工程专业核心课程[6] [7]，将AI技术纳入到课程改革显得尤为必要。为此，重庆科技大学“油矿地质学”课程组对课程建设目标与内容进行了系统优化，将人工智能融入教学内容和方式，以期激发学习兴趣、提升学习成效、增强实践能力。
近年来，人工智能在地球科学领域的应用取得了长足进展。国际上大量研究表明，机器学习和深度学习方法已广泛用于地震属性反演、岩性/相带识别、速度建模以及储层“甜点”预测等任务，在复杂地质条件下显著提升了勘探开发的精度与效率[8]-[10]。与此同时，国内外学者越来越重视在工科教育中培养学生的计算思维能力，强调通过编程实践和数据驱动问题求解，让学生掌握抽象、分解、算法化等思维方式，为其适应智能时代工程实践奠定基础[11] [12]。在教育技术与高等教育研究领域，关于人工智能赋能教学的系统性综述与框架研究也不断涌现，围绕智能推荐、学习分析、自适应学习系统等主题开展了深入探讨，对理解AI在高校教学中的机遇与挑战提供了重要参考[13] [14]。在上述研究基础上，本文聚焦于石油类核心课程“油矿地质学”，尝试构建“AI + 课程内容”的系统化教学改革方案，并结合具体案例说明如何在课程层面将人工智能工具与专业知识深度融合，以期为油气类专业课程建设提供可借鉴的路径。
2. 课程建设基础
课程组在“油矿地质学”课程中，已积极融入人工智能技术，为课程教学打下坚实基础。主要体现在3个方面：
一是在教学资源建设方面，凭借课程负责人主持多项课程建设项目的经验，如校级精品资源共享课“石油地质基础”等，开始尝试利用人工智能工具制作微视频。通过图像识别与智能剪辑技术，快速整理复杂的地质现象素材，制作出直观生动的微视频，用于课堂导入与知识点讲解，显著提升学生学习兴趣。
二是在虚拟仿真实验中，课程负责人主持的“井场漫游与钻井岩心分析虚拟仿真实验”项目引入人工智能算法。利用机器学习算法模拟不同地质条件下岩心的形成过程及特征变化，学生通过虚拟操作，能更深入理解地质原理。这一应用不仅丰富了实验教学手段，还提高了学生实践能力。
三是在指导学生创新训练计划项目时，引导学生运用人工智能技术分析地质数据。例如，借助深度学习算法对储层地质数据进行处理与预测，帮助学生探索地质规律，国家级、省部级等多个项目成果斐然。同时，在文献资料整合方面，利用智能文献管理软件，快速筛选和分类海量油矿地质学文献，为师生提供精准资料支持。
未来，计划将持续深化人工智能在“油矿地质学”课程中的应用，进一步提升教学质量。
3. 课程建设目标与内容
3.1. 课程建设目标
《油矿地质学》作为资源勘查工程专业的核心专业课，是一门综合性与实践性兼备的方法课程。在“人工智能+”背景下，本课程旨在培养学生综合运用传统知识与人工智能技术，高效分析和解决石油地质问题的能力。其主要任务不仅包括让学生掌握钻井地质的基本原理和方法，综合利用地质、地球物理、实验室分析以及测试资料来剖析油气田地质结构等内容，还需融入人工智能技术以提升分析效率与精度，为油气田勘探、开发方案编制与调整提供更可靠的地质依据。
课程目标及能力要求如下：
目标1：学生应掌握经典录井、综合录井、工程预测、井筒测试等钻、录井方法的基本概念、原理，以及地质资料录取、油气检测过程。同时，学会运用人工智能数据处理工具，对海量地质录井数据进行高效筛选、分类与分析，精准识别影响因素，大幅提升分析地质录井资料的能力。
目标2：除掌握不同录井方法获取的地质资料特征外，学生需借助人工智能图像识别、机器学习算法等技术，深度挖掘地质资料中的潜在信息，实现更精准的油气检测、工程预测，并能运用智能分析结果对地下地质油气藏特征进行更全面、深入的分析与应用。
目标3：学生要掌握油气藏类型、油气储量计算、油气资源经济评价方法等知识。在此基础上，运用人工智能项目管理软件，模拟不同勘探、开发场景，优化项目管理流程，具备基于智能分析的勘探、开发阶段项目管理的基本知识和能力。
目标4：学生需全面掌握油气藏(田)地质结构、储层特征、油气水分布、压力和温度条件、油气藏特征等。借助人工智能地质建模与数据分析技术，为油气田勘探、开发方案编制与调整提供更精准可靠的地质依据，具备运用智能手段进行油气藏动态分析的能力。
3.2. 教学内容安排
(1) 绪论及钻井地质设计(4学时)
常规内容：维持对油气田勘探开发阶段、油矿地质学研究内容与发展史、课程基本任务的讲解，让学生建立基础认知。
“人工智能+”融合点：引入人工智能辅助勘探的典型案例，展示AI如何通过分析海量、多源的地质数据实现潜在油气有利区的智能预测，从而为勘探部署提供科学支撑。同时介绍AI在钻井地质设计中的应用，如智能优化井位布局、提前预测钻井风险等，使学生能够开阔视野，深入理解新技术对传统地质工作流程所带来的变革与提升。
(2) 钻井地质录井(18学时)
常规内容：详细讲解钻具管理、钻时录井、岩心录井等多种录井方法的概念、原理、应用等。
“人工智能+”融合点：利用人工智能图像识别技术辅助岩心、岩屑录井分析，展示AI如何快速准确识别岩性、判断含油气特征。基于Scikit-learn中的KNN、随机森林等算法，对钻时、钻井液性能、气测数据和岩性标签构建多分类模型，用于预测不同井段的地层类型及含油气指示强弱，让学生掌握新技术手段，提升数据处理与分析能力。
(3) 综合录井技术(12学时)
常规内容：阐述综合录井概念、设备原理、参数意义，以及气测资料解释、随钻压力检测等。
“人工智能+”融合点：以某生产井的气测曲线、随钻压力数据、随钻电测参数为示例数据，重点展示智能综合录井系统的工作流程。引入基于XGBoost或LightGBM的梯度提升树模型，对历史井解释成果(油气层、干层、复杂地层等标记)进行监督学习，训练实时油气层识别模型，实现更精准的油气层识别与工程风险预警。介绍利用AI技术优化气测资料解释模型，提高解释准确性，让学生了解行业前沿技术应用。
(4) 井筒测试(6学时)
常规内容：介绍井筒测试概念、中途测试与试油的地质工作，以及油气层综合评价方法。
“人工智能+”融合点：选取某油藏数口试油井的压力恢复曲线、产量测试数据和录井综合结论，构建AI辅助油气层评价案例。运用人工智能数据分析方法辅助油气层综合评价，展示如何通过AI挖掘测试数据中的隐藏信息，提高评价的科学性与可靠性。讲解利用智能传感器优化井筒测试数据采集过程，提升数据质量，让学生掌握新技术在测试环节的应用。鼓励学生比较传统单一指标判别方法与多特征AI评价结果的一致性与差异性，认识智能分析在提高井筒测试数据利用效率和评价可靠度方面的优势。
(5) 油气藏地下地质研究(28学时)
常规内容：开展地层对比、沉积微相研究、地下构造分析、储层评价、油气藏评价及资源经济评价。
“人工智能+”融合点：利用Petrel或Kingdom等软件构建基础地层格架与构造模型，并导入测井、地震及实验数据。示范如何在Python环境中调用地质建模软件导出的栅格或点集数据，利用K-means聚类、主成分分析(PCA)等方法开展沉积微相划分与储层分类。展示如何通过AI处理复杂地质数据，实现更精准的地质特征描述与预测；运用机器学习算法进行油气资源经济评价，考虑更多影响因素，提高评价准确性，让学生掌握智能化研究方法。
(6) 开发方案编制(4学时)
常规内容：讲解油气藏开发方案编制要点、油田开发方式选择、层系划分与井网部署等。
“人工智能+”融合点：选取典型油田的开发调整方案和井网部署方案作为案例。利用基于粒子群优化(PSO)或遗传算法(GA)的智能优化模型，对不同井网密度、注采井比、注采压力制度等参数进行组合搜索，演示如何在一定约束条件下自动寻找较优的开发方案。介绍利用智能油藏管理系统实时监测开发过程，及时调整方案，让学生了解新技术对开发方案编制与实施的影响。
(7) 油气藏动态研究(4学时)
常规内容：教授油藏、气藏动态分析方法和步骤。
“人工智能+”融合点：选取某油藏5~10口生产井的月产油量、含水率、井底流压等生产动态数据，构建“AI + 油藏动态”教学案例。引导学生使用Pandas对时序生产数据进行清洗和重采样，利用LSTM (长短期记忆网络)、GRU等深度学习时序模型，完成对单井或区块级产量的短期预测，并与传统递减分析方法进行对比。通过可视化展示实际产量与预测曲线，讨论模型在不同数据量、不同工况扰动下的表现，引导学生认识AI在复杂动态系统预测中的优势与局限。同时，可引入聚类分析方法，对生产井进行动态类型划分，辅助识别潜力井和问题井，为后续调整措施提供参考。
(8) 剩余油研究及地质建模(4学时)
常规内容：讲解剩余油概念、分类、分布规律预测，以及地质建模的基本内容。
“人工智能+”融合点：构建基于深度神经网络(DNN)或卷积神经网络(CNN)的剩余油空间预测模型，对网格单元进行“高、中、低含油性”分类预测。课堂中通过三维可视化展示预测结果与实际调整井解释的对比，讨论模型偏差产生原因，展示AI如何处理复杂地质和生产数据，实现更精确的剩余油定位；介绍利用智能地质建模软件快速构建高精度模型，提高建模效率与质量，让学生掌握前沿技术在剩余油研究和地质建模中的应用。
4. 课程考核及预期成效
课程考核以考核学生能力培养目标的达成为主要目的，以检查学生对各知识点的掌握程度、利用人工智能工具及实践应用能力为重要内容，包括平时考核和期末考核两个部分。平时考核采用平时作业和期中考试等方式评定学生成绩。平时作业共5次，作业1、2支持目标1，作业3支持目标2，作业4支持目标3，作业5支持目标4，共占总评分20%，目标1占8%、目标2占4%、目标3占4%、目标4占4%。期末考核采用闭卷考试评定学生成绩。各课程目标的考核内容、成绩评定方式、目标分值建议见表1。
Table 1. Course assessment content and grade composition
表1. 课程考核内容及成绩构成
课程目标 |
考核内容 |
成绩评定方式 |
成绩占总评分比例 |
目标成绩占当次考核比例 |
学生当次考核平均得分 |
目标达成情况 计算公式 |
目标1：掌握经典录井、综合录井、工程预测、井筒测试等钻、录井方法的基本概念、基本原理及地质资料录取、油气检测过程，具备利用人工智能手段分析地质录井资料和影响因素的能力。 |
掌握各种录井方法原理。 |
平时作业1、2 |
8% |
100% |
A1 |
|
掌握各种录井方法油气检测过程及资料录取过程。 |
期中考试 |
5% |
50% |
B1 |
掌握各种录井方法的影响因素。 |
期末考试 |
19% |
25% |
C1 |
目标2：掌握不同录井方法所取得的地质资料特征，能够应用人工智能手段、地质资料开展油气检测、工程预测和地下地质油气藏特征的分析与应用。 |
掌握不同录井方法所取得的地质资料特征。 |
平时作业3 |
4% |
100% |
A2 |
|
掌握各种录井资料用于油气检测原理及方法。 |
期中考试 |
5% |
50% |
B2 |
掌握工程预测原理和方法。 |
期末考试 |
19% |
25% |
C2 |
目标3：具备一定的勘探、开发阶段工程管理和人工智能知识，掌握必要的油气勘探经济评价方法。 |
掌握油气储量计算方法。 |
平时作业4 |
4% |
100% |
|
|
掌握油气储量计算及勘探经济评价方法。 |
期末考试 |
8% |
12.5% |
|
目标4：掌握油气藏(田)地质结构、储层特征、油气水分布、压力和温度条件、油气藏类型等。为油气田勘探、开发方案编制与调整提供可靠的地质依据，具备利用人工智能开展油气藏动态分析能力。 |
熟悉油气藏各项特征，具备油气藏动态管理能力。 |
平时作业5 |
4% |
100% |
A4 |
|
掌握油气藏类型及特征，熟悉开发方案编制方法。 |
期末考试 |
24% |
37.5% |
C4 |
总评成绩(100%) = 平时作业(20%) + 期中考试(10%) + 期末考试(70%) |
100% |
- |
- |
|
通过课程考核，达到以下预期成果：
一是激发学习兴趣：人工智能融入教学内容和方式，让课程更具吸引力，学生主动参与学习的积极性提高，课程的到课率、作业完成率提升。
二是提升学习成效：学生能借助人工智能工具深入理解油矿地质学知识，提高分析和解决复杂地质问题的能力，对课程重点内容的掌握程度显著提升。
三是增强实践能力：通过智能虚拟实践平台，学生的实践操作技能更加熟练，在模拟实际项目中的表现更加出色，毕业后能更快适应工作岗位需求。
基金项目
本文受重庆科技大学校级虚拟仿真建设项目“井场漫游与钻井岩心分析虚拟仿真实验”资助(项目编号：202003)。
NOTES
*通讯作者。