人工智能（AI）系统将提高生产力、质量和任务集成。此外，它将减少石油和天然气行业中特定学科（如石油物理学）任务所需的时间。岩石打字是人工智能可以贡献的最重要的任务之一。
地球科学家和工程师面临的最大挑战之一是改进储层描述技术。在某些情况下，水力装置的经典判别是基于主观地质观测和/或渗透率/孔隙度数据之间的经验关系。目的是区分有远景岩石和封闭岩石（没有流动潜力）。根据Amaefule（1993）的说法，流动带指标（FZI）是“在区分不同孔隙几何相（水力单元）时结合了结构和矿物学的地质属性的唯一参数”。该技术基于改进的Kozeny-Carmen方程和平均水力半径的概念。水力单元分区过程需要严格的统计方法。皇冠体育研究表明，即使在可用性有限或缺乏输入数据的情况下，人工智能也有可能提高解决地球科学和石油工业问题的能力。
机器学习模型可以突破岩石物理岩石分类。图1展示了这种结构，它为人们审查和确定储层地下岩石物理性质的最佳模型提供了所需的信息。该工作流程应用于委内瑞拉的砂岩油藏。与先前使用的确定性方法相比，该方法提高了渗透率预测精度，改善了岩石类型识别。该方法综合了所有可用的地质信息（地下岩心描述、微电阻成像测井、岩相、x射线衍射、薄片和扫描电镜信息）。在训练过程中使用了1000多个地下样本。每个步骤都得到了满意的批准，因此信心更高。任何未来的模拟问题都可以用升级过程、地质统计分布和稀缺的产压数据来解释。
