油气行业院校人工智能课程建设的思考——以机器学习课程为例

创新创业理论研究与实践 ›› 2026, Vol. 9 ›› Issue (4): 101-103.

油气行业院校人工智能课程建设的思考——以机器学习课程为例

崔立杰¹, 刘颖²

1.中国石油大学（北京）克拉玛依校区石油学院,新疆克拉玛依 834000;
2.中国石油大学（北京）克拉玛依校区马克思主义学院,新疆克拉玛依 834000

出版日期:2026-02-25 发布日期:2026-07-01
作者简介:崔立杰（1987—）,男,内蒙古赤峰人,博士研究生,讲师,研究方向：机器学习辅助地震地质解释应用,电子邮箱：lijiecui2020@outlook.com。
基金资助:
新疆维吾尔自治区“天池英才”引进计划项目资助“断裂带的地震增强解释以及断裂连接过程对碎屑岩区断裂带结构控制作用研究”; 中国石油大学（北京）克拉玛依校区教育教学研究与改革项目“思维导图在高校计算机类课程教学中的应用：以‘人机交互技术’为例”（JG2024032）

Thoughts on the Construction of Artificial Intelligence Courses in Oil and Gas Industry Colleges—Taking Machine Learning Courses as an Example

CUI Lijie¹, LIU Ying²

1. College of Petroleum, China University of Petroleum-Beijing at Karamay, Karamay Xinjiang, 834000, China;
2. College of Marxism, China University of Petroleum-Beijing at Karamay, Karamay Xinjiang, 834000, China

Online:2026-02-25 Published:2026-07-01

摘要/Abstract

摘要： 随着人工智能（AI）技术的快速发展,其在各学科领域中发挥着日益重要的作用,尤其在油气行业和地学领域展现了广阔的应用前景。该文以中国石油大学（北京）克拉玛依校区地学专业的机器学习课程为研究对象,探讨了AI交叉学科课程的设计与优化路径。通过系统分析课程教学现状,该文梳理了在地学专业教学中机器学习课程的实践效果与存在的问题,并提出了相应的教学对策与改进建议,以为相关课程的建设提供参考。

关键词: 人工智能, 油气行业, 地学专业, 机器学习, 课程优化, 教学改进

Abstract: With the rapid development of artificial intelligence (AI) technology, its role in various disciplines is becoming increasingly important, especially in the oil and gas industry and geology, showing broad application prospects. This paper takes the machine learning course of geology major in China University of Petroleum-Beijing at Karamay as the research object, and discusses the design and optimization path of AI interdisciplinary courses. By systematically analyzing the current status of course teaching, this article summarizes the practical effects and existing problems of machine learning courses in the teaching of geology majors, and proposes corresponding teaching strategies and improvement suggestions, in order to provide references for the construction of related courses.

Key words: Artificial intelligence, Oil and gas industry, Geoscience major, Machine learning, Course optimization, Teaching improvement

中图分类号:

G642

崔立杰, 刘颖. 油气行业院校人工智能课程建设的思考——以机器学习课程为例[J]. 创新创业理论研究与实践, 2026, 9(4): 101-103.

CUI Lijie, LIU Ying. Thoughts on the Construction of Artificial Intelligence Courses in Oil and Gas Industry Colleges—Taking Machine Learning Courses as an Example[J]. The Theory and Practice of Innovation and Enntrepreneurship, 2026, 9(4): 101-103.

参考文献

[1] 匡立春,刘合,任义丽,等.人工智能在石油勘探开发领域的应用现状与发展趋势[J].石油勘探与开发, 2021,48(1):1-11.
[2] 汪芳,赵左,王毅航,等.人工智能在程序设计教学应用中的探索与实践[J].计算机教育,2023(11):45-50.
[3] 窦杰,向子林,许强,等.机器学习在滑坡智能防灾减灾中的应用与发展趋势[J].地球科学,2023,48(5):1657-1674.
[4] 周永章,左仁广,刘刚,等.数学地球科学跨越发展的十年:大数据、人工智能算法正在改变地质学[J].矿物岩石地球化学通报,2021,40(3):556-573,777.
[5] 李松泉,吴志宇,王娟,等.长庆油田地质工程一体化智能决策系统开发与应用[J].中国石油勘探,2022,27(1): 12-25.
[6] 董少群,曾联波,车小花,等.人工智能在致密储层裂缝测井识别中的应用[J].地球科学,2023,48(7):2443-2461.
[7] 龚斌,王虹雅,王红娜,等.基于大数据分析算法的深部煤层气地质—工程一体化智能决策技术[J].石油学报,2023,44(11):1949-1958.
[8] 管青,刁明光,姚国清.融合地球科学专业内容的“智能计算”课程教学与实践[J].中国地质教育,2021,30(3): 38-42.
[9] 谭永杰,文敏.地质信息化建设研究进展与展望[J].中国地质调查,2023,10(2):1-9.
[10] 邱芹军,王斌,徐德馨,等.地质领域文本实体关系联合抽取方法[J].高校地质学报,2023,29(3):419-428.
[11] 洪榆峰,潘晟旻,王鹏.新工科背景下人工智能与程序设计课程深度融合探索[J].计算机教育,2024(9):11-16.
[12] 项若曦,赵慧周,王桢廷,等.AIGC赋能的Web前端开发教学实践[J].计算机教育,2024(10):153-158.
[13] 佟彬,殷跃平,李昺,等.地质灾害人工智能大语言模型研究展望[J].中国地质灾害与防治学报,2025,36(2):1-12.
[14] 计秉玉,张文彪,何应付,等.油藏地质建模与数值模拟一体化内涵及发展趋势[J].石油学报,2024,45(7):1152-1162.

[1]	胡志帅, 杨丽清. 人工智能赋能自动控制原理课程教学改革实践[J]. 创新创业理论研究与实践, 2026, 9(9): 47-49.
[2]	陆世敏, 邓朝. 人工智能时代高校体育专业教学面临的挑战与策略[J]. 创新创业理论研究与实践, 2026, 9(9): 118-121.
[3]	席东河, 陈婷婷. 人工智能时代高职院校深化基本技能教育的实践路径研究[J]. 创新创业理论研究与实践, 2026, 9(9): 122-124.
[4]	曾贤强, 杨富龙, 李恒杰, 魏腾飞. AI赋能数字电子技术基础课程教学的路径探索[J]. 创新创业理论研究与实践, 2026, 9(9): 138-140.
[5]	杨静, 张春雷. 人工智能时代大学英语课堂教学评价体系的优化路径[J]. 创新创业理论研究与实践, 2026, 9(8): 17-19.
[6]	秦铭灿, 郝晓红, 赵屹男, 李益清. 探索数字化赋能高校教师教学评价模式[J]. 创新创业理论研究与实践, 2026, 9(8): 20-22.
[7]	宣贺君, 林丽丹, 赵学林, 冯岩, 刘道华, 李艳灵. AIGC赋能计算机类专业程序设计课程教学改革与实践——基于腾讯IMA与AI编程工具TRAE[J]. 创新创业理论研究与实践, 2026, 9(8): 38-40.
[8]	文誉坤, 王振常, 张静, 唐亚平, 王庆高, 王倩, 迟明洋. AI赋能“以学生为中心”的中医类高校教学改革研究[J]. 创新创业理论研究与实践, 2026, 9(8): 41-43.
[9]	刘敏, 周金健. 人工智能背景下计算物理教学改革探索[J]. 创新创业理论研究与实践, 2026, 9(8): 56-58.
[10]	戴柳江, 韦晓洁, 钟静, 刘雪梅, 韦燕飞. AI赋能中西医融合教育现状与实施路径探讨[J]. 创新创业理论研究与实践, 2026, 9(8): 76-78.
[11]	刘喆, 吕荣鑫, 金琳琳. 人工智能与高校创新创业教育融合发展对策研究[J]. 创新创业理论研究与实践, 2026, 9(8): 98-100.
[12]	徐轶博. 教育数字化背景下法学智慧课程建设路径研究[J]. 创新创业理论研究与实践, 2026, 9(8): 136-138.
[13]	周元任, 王莫冉. 教育强国背景下生成式人工智能在高等教育教学中的应用[J]. 创新创业理论研究与实践, 2026, 9(8): 170-172.
[14]	周飞, 李静, 廖慧娟. 人工智能赋能下现代汉语课程“教、学、评”一体化范式重构研究[J]. 创新创业理论研究与实践, 2026, 9(7): 8-12.
[15]	白钰琪. AI背景下知识图谱赋能保险学课程数智化建设研究[J]. 创新创业理论研究与实践, 2026, 9(7): 31-33.