Печалби:
- Възможност за обяснение на работния процес при прогнозиране на порьозност, пропускливост и свойства на резервоара с AI
- Способност за позициониране на машинно обучение в интерпретация на сондажи, фациална класификация и прогнозиране на производството
- Възможност за проверка на изходите от резервоара чрез физически граници, тестване на кладенци и анализ на несигурността
Резервоар за нефт или газ е невидимо съкровище от течности, уловени в пореста скала, на мили под повърхността. Не можем да го видим директно; Ние само го „четем“ с данните от каротажите, керните, сеизмичните сенки и производствените данни, които получаваме от кладенците. Характеризирането на резервоара е задачата да се реконструира от тези косвени измервания колко течност задържа скалата (порьозност), колко лесно освобождава течност (пропускливост) и какъв вид триизмерна структура представлява резервоарът. AI е мощен в тази област: интерпретиране на сондажни трупи, класифициране на фациеси (съвкупности от типове скали), прогнозиране на връзките между порьозност и пропускливост и моделиране на производствени тенденции. Но резервоарите, подобно на други геоложки полета, са пълни с несигурност и не всяка прогноза може да бъде основа за решение, без да е свързана с физически граници, тестове на кладенци и анализ на несигурността.
В тази част ще покрием три аспекта на изследването на резервоара с изкуствен интелект: интерпретация на логаритмични данни и класификация на фациесите (извличане на типа на скалата и свойствата от трупи), прогнозиране на порьозност-пропускливост (предсказане на качеството на резервоара) и прогнозиране на производството (колко кладенецът ще произвежда в бъдеще). Геостатистиката е гръбнакът и тук; Запълваме пространството между ямките с вариограма и симулация. Забележка: секторът на петрола и газа е много чувствителен от търговска гледна точка; Всички проби се изследват с анонимни и представителни стойности.
Интерпретация на логаритмични данни и класификация на фациесите
Дневниците на кладенците са криви, които непрекъснато измерват физическите свойства на скалата по дължината на отвора: гама лъчи (съдържание на глина), съпротивление (тип течност — вода/въглеводород), плътност и неутрон (порьозност), звук (твърдост на скалата). Петролен геолог чете тези криви заедно и извлича вида на скалата и течността на всяка дълбочина. Това е разпознаване на образи и AI е много добър в това: последователно сортиране на десетки хиляди метри трупи във фациеси.
Но има две граници. Първо, интерпретацията на дневника е модел, а не измерване; Един и същи дневник може да бъде отворен за различни фациални интерпретации. Второ, ако моделът сляпо прехвърля връзката лог-фациес, която е научил в едно поле, в друго поле (различна среда на отлагане, различна диагенеза), той прави сериозни грешки. Следователно изходът на фациесите се калибрира с основни данни; Ядрото е котвата, която свързва интерпретацията на дневника с основната истина.
Съвет: Преди да се доверите на резултата от фациесен модел, попитайте „в кои кладенци е взето ядрото и колко точен е моделът в тези кладенци?“ попитайте. Непотвърдената оценка на фациеса е непроверена хипотеза, колкото и правдоподобна да изглежда.
Порьозност и пропускливост: Най-критичната разлика
Двата ключа към качеството на резервоара са порьозността и пропускливостта и разликата между тях е една от най-важните точки при използването на AI. Порьозността е съотношението на кухините на скалата и може да бъде получена от трупи с разумна точност. Пропускливостта е колко лесно течността протича през скалата и не се измерва директно от трупи; но се оценява косвено. Пропускливостта е експоненциално чувствителна към малки промени в порьозността и зависи от геометрията на порите, пукнатините и циментацията.
Ето защо прогнозирането на пропускливост с машинно обучение е едновременно привлекателно и опасно. Моделът научава порьозността в основните кладенци и пропускливостта от други трупи; но връзката, която научава, е специфична за този фациес и това състояние налягане-температура. Екстраполацията към различна литология или към кладенец без ядка (движещ се извън научения диапазон) ще доведе до големи грешки. Оценката на пропускливостта трябва да бъде свързана с измерване на ядрото и тестване на кладенеца (тестовете за падане на налягането/набъбване дават действително поведение на потока).
Внимание: Дори ако оценката на пропускливостта създава „добре изглеждаща“ графика, тя е ненадеждна, ако се приложи извън условията на фациес и налягане на тренировъчните данни. Моделът научава корелация, а не физически факт; винаги тествайте с тестване на ядро и кладенец.
Прогноза за производство и несигурност
Колко произвежда един кладенец в бъдеще зависи от това колко течност съдържа и доставя резервоарът. Класическите методи (анализ на кривата на спад) разширяват тенденцията на миналото производство в бъдещето; AI обогатява тази тенденция с данни от множество кладенци и се учи от модели на съседни кладенци. Но прогнозирането на производството е по своята същност несигурно: резервоарът е разнороден, промените в налягането, условията на работа се променят. Следователно е представен вероятностен диапазон (нисък/среден/висок сценарий), а не една „точна“ производствена крива.
Геостатистиката също носи несигурност при запълване на обема между кладенците. Методи като последователна симулация на Гаус произвеждат много еднакво вероятни модели, а не единичен "среден" модел; Разликата между тези модели е самата несигурност. Изкуственият интелект ускорява и интерпретира тези симулации; но намаляването на резултата до едно число създава фалшива увереност, като прикрива несигурността.
Три мини калъфа: с числата
Случай 1 — Грешка при екстраполация. Моделът на пропускливост, обучен на три сондажни кладенци на едно място, даде прогноза, която изглежда перфектна на четвъртия кладенец. Но този кладенец беше в по-глинен фациес и моделът никога не беше виждал този интервал; тестването на кладенеца показа, че действителната пропускливост е около една пета от оценката. Моделът беше сериозно сбъркан с „добре изглеждаща“ графика; Анкерът за тестване на кладенеца улови грешката.
Случай 2 — Калибриране на фациес. В едно газово находище изкуственият интелект бързо сортира данните от 14 кладенци във фациеси. В сравнение с три сондажни кладенци, зоната, която моделът класифицира като „чист пясъчник“, всъщност е напукана единица с ниско качество. С калибрирането на ядрото моделът беше преобучен и оценката на обема на резервоара беше сведена до реалистично ниво.
Случай 3 — Честност на сценария. В производствена прогноза моделът даде една крива и изрази десетгодишно производство в нечетни числа. Когато екипът генерира нисък/среден/висок сценарий чрез последователна симулация, те откриха, че диапазонът е много широк (високият сценарий беше приблизително два пъти по-нисък). Тази ширина показва, че е необходимо допълнително изследване на кладенеца при инвестиционното решение; Единственото число опасно прикриваше тази несигурност.
Слаба подкана / Силна подкана
Слаба подкана:
Погледнете тези трупи на кладенеца, изчислете пропускливостта и ми кажете колко ще произведе кладенецът. [регистрационни данни]
Мощна подкана:
Вашата роля: Помощник геолог на резервоара. Предоставяне на ЕДИНСТВЕНО ТОЧНО ЧИСЛО за пропускливост и производство с дневниците по-долу. Вместо това: 1) Посочете кои кладенци могат да бъдат потвърдени от ядрото, когато правите интерпретация на фациес. 2) Обяснете, че оценката на пропускливостта не може да бъде измерена директно от регистрационните файлове, при какви условия (фациес/налягане) ще бъде валидна и необходимостта от тестване на ядрото/кладенеца. 3) Установете логика на сценария за нисък/среден/висок сценарий за производство, а не единична крива.4) Избройте 4 източника на несигурност, които влияят на резултата. Данни е анонимен; Няма реално поле/компания.
Четири копируеми шаблона
1) Проверка на калибриране на логаритмичен фациес:
Обяснете кои кладенци са взети за класификация на фациесите и как можем да измерим точността на модела в тези кладенци. Маркирайте непроверените зони като "нетествани"; Не се доверявайте сляпо.
2) Валидиране на пропускливостта:
За прогнозиране на пропускливостта: посочете фациеса и диапазона на налягането, за които моделът е обучен; Маркирайте кои кладенци/зони са извън този диапазон (екстраполация). Подчертайте, че не трябва да се вярва на прогнозата без тестване на ядро и кладенец в тези зони. Не давайте точна цифра.
3) Проект на производствен сценарий:
Установява логика на сценария за ниско, средно, високо производство от крива на спад/данни за производство. Обяснете на какви предположения се основава всеки сценарий и какво означават разликите между тях. Не предлага нито една "точна" крива.
4) Тълкуване на симулация на несигурност:
Интерпретирайте изхода от множество еднакво вероятни геостатистически модел (напр. последователна симулация): колко широко е разпределението на оценката на обема, кой регион е най-несигурен и с какви допълнителни данни (добре, сеизмични) се стеснява тази несигурност? Намаляване до едно число.
Спецификация на резервоара, възможност за измерване и проверка
функция/изход
Може ли да се измери от трупи?
AI риск
котва за проверка
порьозност
Изведено с разумна точност
Дрейф на калибриране
Порьозност на ядрото
пропускливост
Не, косвено предположение
Екстраполационна грешка
Тест на ядро + кладенец
фациес
Коментар (модел)
Транспорт извън обекта
основна дефиниция
Тип течност
Заключавам от съпротивлението
грешен коментар
Изпитване на налягане/проба
Прогноза за производството
разширение на тренда
фалшива сигурност
Сценарий + тест за кладенец
Съвет: За всяка оценка на резервоара "какво директно измерване може да опровергае това?" Тествайте го, като кажете. Ядро за порьозност, тест за кладенец за пропускливост, дефиниране на ядро за фациес. Прогноза, която не може да бъде опровергана чрез директно измерване, все още не е потвърдена.
Често срещани грешки
- Разглеждане на пропускливостта като порьозност. Пропускливостта не се измерва директно от трупи; Екстраполацията дава големи грешки, тестването на ядрото/кладенеца е от съществено значение.
- Използване на фациесния модел без ядро. Фациес, който не е бил калибриран по ядро, е непроверена хипотеза.
- Пренасяне на наученото отношение в друга област. Различната среда на отлагане и диагенезата променят връзката log-trait.
- Представяне на продукцията с една крива. Ако не е дадена несигурност със сценарии, инвестиционното решение се основава на фалшива сигурност.
- Намаляване на симулацията до средната стойност. Множество модели показват несигурност; Намаляването му до едно число унищожава информацията.
В обобщение
- Резервоарът е невидим; Той се чете косвено с регистрационни файлове, керн, сеизмични и производствени данни и всяка прогноза носи несигурност.
- Порьозността може да бъде получена от трупи; Пропускливостта не се измерва директно, тя трябва да бъде съчетана с изследване на ядрото и сондажа.
- Класификацията на фациесите е модел; ненадеждни, без да бъдат калибрирани от сърцевината и транспортирани извън обекта.
- Научената връзка е специфична за образователните условия; Екстраполацията е най-честата и опасна грешка.
- Производството и обемът са представени не с едно число, а с вероятностен сценарий и симулация, с ясно посочена несигурност.
Задача за приложение
Вземете анонимизиран набор от регистрационни файлове на кладенци (или представителни стойности). Накарайте модела да открие кои зони са изложени на риск от екстраполация с шаблона „валидиране на пропускливостта“; Тествайте дали стимулира зона, като умишлено я поставите извън обхвата на тренировка. Then, use the "production scenario draft" template to produce a low/medium/high scenario instead of a single curve and comment on the width of the range in a sentence.
контролен списък
- [ ] Знам разликата в измеримостта между порьозност и пропускливост и тази пропускливост изисква тестване на сърцевина/кладенец.
- [ ] Не считам класификацията на фациесите за надеждна, без да я калибрирам с ядро.
- [ ] Признавам риска от екстраполиране на наученото отношение към друго поле/условие.
- [ ] Представям производството и обема с вероятностни сценарии и симулации вместо с единични числа.
- [ ] "Какво пряко измерване може да опровергае оценката на всеки резервоар?" Тествам го с въпроса.