“油气地质大数据与智能工程”课程建设与教学实践

Course Construction and Teaching Practice on the Course of Petroleum Geology Big Data and Intelligent Engineering

摘要

“油气地质大数据与智能工程”属于油气地质与人工智能交叉课程，具有多专业融合、知识点广、实践性强等特点。课程教学团队依据“两性一度”标准，针对课程定位、教学内容体系、教学方法等进行了系统建设，形成了多学科交叉、课内课外融合、理论与实践并重的教学特色，为新工科背景下油气勘探开发领域复合型创新人才培养创建了优越的教学平台。

关键词

大数据 / 机器学习 / 智能工程 / 油气地质 / 课程建设

Key words

big data / machine learning / intelligent engineering / oil and gas geology / course construction

参考文献

[1] 教育部关于印发《高等学校人工智能创新行动计划》的通知[EB/OL].(2018—04—02)[2025—06—20].https://www.gov.cn/zhengce/zhengceku/2018-12/31/content_5443346.html.

[2] 国务院关于深入实施“人工智能 +”行动的意见[EB/OL].(2025—08—21)[2025—09—10].https://www.gov.cn/gongbao/2025/issue_12266/202509/content_7039598.htmll.

[3] 刘合，李欣，窦宏恩，等. 油气行业人工智能学科建设研究与思考[J].石油科技论坛，2024，43（6）：1-12.

[4] 柳广弟，高先志，李潍莲，等. “石油地质学”精品课程建设的经验与启示[J].中国地质教育，2008，17（4）：109-112.

[5] 吴胜和，徐怀民，侯加根，等. 油气藏开发地质学学科定位及教学内容体系建构[J].中国地质教育，2012，21（1）：92-95.

[6] 刘铮，谈树成，赵志芳，等. “地质学基础”课程教学创新的思考与实践[J].中国地质教育，2024，33（4）：74-78.

[7] 周志华. 机器学习[M].北京：清华大学出版社，2016.

[8] 李航. 统计学习方法[M].北京：清华大学出版社，2019.

[9] 周夏冰，陈飞. 机器学习课程教学探索[J].电脑知识与技术，2020，16（30）：129-131.

[10] 李卫强，王继强，马先珍. 基于 OBE 的大数据课程体系建设[J].计算机教育，2021（7）：139-142.

基金资助

中国石油大学（北京）校级本科教育教学改革项目“‘油气地质大数据与智能工程’课程内容体系建设”(XM1072023037)