Печалби:
- Възможност за обяснение как 3D разпределението на свойствата на резервоара (порьозност, пропускливост, водонаситеност) се моделира с AI и геостатистика
- Възможност за локализиране на разпространението на функции с фациесно моделиране, вариограма, кригинг и машинно обучение
- Възможност за проверка на резултатите от модела на резервоара с материален баланс, тестване на кладенци и сценарии за несигурност
За да произведем нефтено или газово находище, първо трябва да изградим негов 3D модел: къде е резервоарната скала, колко е пореста (порьозност), колко лесно тече течност (пропускливост/пропускливост) и каква част от порите са запълнени с въглеводороди (1 − водонасищане). Но можем да измерим тези характеристики само в точките, където пробиваме кладенци; Огромният обем между кладенците е празен и трябва да се напълни. Характеризирането на резервоара е извършване на точкови измервания в кладенци и разширяването им до целия обем с помощта на геоложка логика и статистика. В тази единица използваме изкуствен интелект и геостатистика (клон на статистиката, който моделира пространствени данни с несигурност) в тази работа по разпространение. Непроменимият принцип: всяка стойност от кладенец до кладенец е приблизителна, а не действителна; Несигурността е част от модела и се тества чрез физически баланс.
Основни понятия
- Фациес: тип скала с уникални свойства, която се е образувала в определена среда на отлагане (напр. пясък в речен канал, морски шисти, рифов варовик). Качеството на резервоара е тясно свързано с фациесите: каналът дренира добре пясъка, но не и шистите.
- Вариограма: Мярка за пространствена непрекъснатост, която описва как сходството на характеристиките намалява с увеличаване на разстоянието между две точки. Това е основният инструмент на геостатистиката.
- Кригинг: Метод, който оценява стойността в точки без проби, като използва вариограмата, заедно с несигурността на оценката.
- Стохастична симулация: Създаване на много еднакво вероятни модели (реализации), съвместими с данните, вместо едно „най-добро“ предположение; Това прави несигурността видима.
- Материален баланс: Консервационна връзка между флуида, произведен от резервоара, спад на налягането и оставащ обем; физическа котва, която независимо тества обема на модела.
Съвет: Моделът на резервоара е разпределение на неопределеността, а не едно число. Правилният език е "P90=35, P50=50, P10=72 милиона барела", а не "Резерв 50 милиона барела". Помолете AI за сценарий/разпределение, а не оценка за една точка.
Как AI и геостатистиката работят заедно
Класическата геостатистика (кригинг, вариограма) е мощна, но се бори с многовариантни, нелинейни връзки. Тук влиза в действие машинното обучение:
- Класификация на фациесите: Присвояване на фациесите от набора от дневници (обучение под наблюдение); След това разпространете функцията, като използвате facies като ръководство.
- Оценка на атрибута: Оценяване на порьозността между ямките от сеизмичния атрибут + логаритмичната връзка (сеизмично моделиране).
- Попълване на празнини: Попълване на липсващи диапазони на регистрационния файл разумно от съседни кладенци и връзки.
Но машинното обучение не познава геоложката логика. Картата на порьозността, създадена от даден модел, е неправилна, ако е в противоречие със средата на отлагане (напр. висока пропускливост в шистовия фациес). Геоложката правдоподобност е първият филтър на изхода на AI.
Стъпка по стъпка: Работен процес на модел на резервоар
- Структурен скелет. Установете геометрията на резервоара с хоризонти и разломи от сеизмични изследвания (изход от блок 3).
- Модел на лице. Определете фациес в кладенци (логаритм + ядро), разпределете по обем с вариограма/геоложка тенденция. AI ускорява класификацията.
- Внедряване на функции. Разпределете порьозността, пропускливостта, водонаситеността във всеки фациес чрез кригин или машинно обучение; Ако има сеизмично, вземете водач.
- Несигурност. Генериране на голям брой реализации със стохастична симулация; Извеждат се обеми P90/P50/P10.
- Проверка. Обем на тестов модел с материален баланс и съвпадение на историята; Сравнете с пропускливостта на теста за кладенец.
Три мини калъфа: с числата
Случай 1 — Справочник за стойността на фациесите. Когато порьозността е била разпръсната на място директно чрез кригинг, високата порьозност е „изтекла“ в нискокачествени шистови зони. Когато моделът на фациесите беше установен за първи път и порьозността беше разпределена в рамките на фациесите, моделът стана реалистичен и стохастичните обеми се стесниха: обемът на P50 намаля с 12%, но диапазонът на несигурност се стесни с 40%. Правилната структура дава както по-реалистични, така и по-безопасни резултати.
Случай 2 — Екстраполационен капан. Моделът за машинно обучение научи добре връзката порьозност-сеизмичност в района, където са концентрирани кладенци; но когато се приложи към ръбов блок без ямка, той падна извън обхвата на обучение (екстраполация) и създаде нереалистична порьозност от 28%. Геологът показа, че този блок е в различна фациална зона; моделът беше невалиден в този регион. Границата на екстраполация е маркирана.
Случай 3 — Конфликт на материалния баланс. Богат 3D модел P50 резерви даде 68 милиона барела; въпреки това ранният спад на производственото налягане на находището показва система с най-много ~45 милиона барела материален баланс. Противоречието дойде, защото моделът приема, че несвързаните (изолирани) пясъчни тела са твърде свързани. Връзката беше преразгледана и моделът беше направен по-малък. Физическата котва фиксира геометричния модел.
Слаба подкана / Силна подкана
Слаба подкана:
Моделът на резервоара и резервът са получени от тези данни за кладенеца.[данни]
Мощна подкана:
Генерирайте DRAFT план за моделиране на резервоар от (анонимизирания) кладенец и сеизмично резюме по-долу. Правила: - Първо изграждане на фациесен модел; Разпределете порьозността/пропускливостта В ВРЪХА на фациес. Извличане на въглеводородна характеристика в шисти/нискокачествени фациеси.- Обосновете параметрите на вариограмата (посока, обхват) от геоложка тенденция, а не от данни; Напишете предположенията ЯСНО.- Представете резултата като разпределение на обема P90/P50/P10, а не едно число.- Маркирайте риска от екстраполация в региони без кладенци.- Напишете как да проверите с материален баланс/хронология на производството.Данни: [резюме]
Четири копируеми шаблона
1) Проект на класификация на фациесите:
Предложете подход за класификация на фациес от следния набор от дневници. Запишете дневниците, които ще се използват, дефинициите на класовете и необходимостта от етикетиране на ядрото. Посочете риска от объркване между класовете и проверката на геоложката правдоподобност. Данни: [регистрационен файл]
2) Обосновка на вариограмата:
Когато установявате вариограма за тези данни за порьозност, свържете посоката и избора на диапазон с посоката на геоложките валежи. Обяснете риска от допускането на изотропност. Посочете границата на надеждността на вариограмата с малко данни. Данни: [порьозност]
3) Сценарий на несигурност:
Генерирайте обемно разпределение P90/P50/P10 за следните обемни входове (площ, дебелина, порьозност, наситеност, коефициент на преобразуване). Поискайте диапазона на несигурност на всеки вход, не го предполагайте. Класирайте най-влиятелния източник на несигурност (торнадо). Вход: [стойности]
4) Кръстосана проверка на материалния баланс:
Сравнете следния обем на 3D модел с дадените ранни данни за производство и спад на налягането за материален баланс. Ако има несъвместимост, избройте възможните причини (връзка, поддръжка на водоносен хоризонт, грешка в обема). Модел: [обем], производство/налягане: [данни]
Слоеве за проверка на модела на резервоара
слой
Какви тестове
Метод
Геоложка правдоподобност
Консистенция на чертите на лицето
Експертен преглед
данни за кладенеца
Съответствие с точково измерване
Сравнение на лог/ядро
кладенец тест
Действителна пропускливост/налягане
Тест за преходно налягане
Материален баланс
запазване на обема
Връзка налягане-производство
История на производството
динамично поведение
Съвпадение на историята
Често срещани грешки
- Прескачане на лицето. Разпределете функции без ръководство за лице и изтичане на въглеводороди с нещо.
- Прогноза с една точка. Отчитане на единичен брой резерви вместо разпределение на несигурността.
- Екстраполация. Сляпо прилагане на модела към блокове извън обхвата на обучителните данни.
- Прескачане на материалния баланс. Не се тества обемът на 3D модела с физически баланс.
- Оставете вариограмата на автоматичен режим. Избор на посока/обхват без геоложка тенденция.
В обобщение
- Характеризирането на резервоара е разширяване на точковите измервания в кладенци до целия обем с геология и геостатистика.
- AI и машинното обучение са мощни в класификацията на фациите и прогнозирането на характеристиките; но геоложката правдоподобност е първият филтър.
- Разпределете функции в рамките на фациес; Докладвайте несигурността като разпределение P90/P50/P10.
- Маркирайте екстраполационните граници; Не използвайте сляпо модела извън обхвата на обучение.
- Материалният баланс и производствената история са физически опорни точки, които тестват геометричния модел.
Задача за приложение
Вземете данни за порьозност/фациес от няколко кладенци (представителни) на находище. Генерирайте план за моделиране с мощната подкана. След това: (1) проверете дали порьозността е разпределена във фациесите, (2) поискайте резерва като P90/P50/P10, а не едно число, (3) осигурете грубо обема, даден от модела с проста логика на материалния баланс (произведен + оставащ). Добавете предупреждение за екстраполация за поне един регион без ямки.
контролен списък
- [ ] Разбирам, че моделът на резервоара е оценка от кладенец до кладенец и носи несигурност.
- [ ] Разпространявам характеристиките с ръководството за фациес, не ги изтичам във фациеси с ниско качество.
- [ ] Отчитам резерва като разпределение P90/P50/P10, а не едно число.
- [ ] Маркирам екстраполационните граници.
- [ ] Проверявам обема на модела с материалния баланс и производствената история.