Dobici:
- Sposobnost da se objasni radni tok u predviđanju poroznosti, propusnosti i svojstva rezervoara pomoću AI
- Sposobnost pozicioniranja mašinskog učenja u interpretaciji karoteke, klasifikaciji facija i predviđanju proizvodnje
- Sposobnost verifikacije izlaza ležišta kroz fizičke granice, ispitivanje bušotine i analizu nesigurnosti
Rezervoar nafte ili gasa je nevidljiva riznica fluida zarobljenih u poroznoj steni, miljama ispod površine. Ne možemo to direktno vidjeti; Mi ga samo "čitamo" sa trupcima, jezgrima, seizmičkim senkama i podacima o proizvodnji koje dobijamo iz bušotina. Karakterizacija rezervoara je zadatak rekonstrukcije iz ovih indirektnih mjerenja koliko fluida stijena drži (poroznost), koliko lako oslobađa tekućinu (propusnost) i kakva je trodimenzionalna struktura rezervoara. AI je moćan u ovoj oblasti: tumačenje karata bunara, klasifikacija facija (skupova vrsta stijena), predviđanje odnosa poroznost-propusnost i modeliranje proizvodnih trendova. Ali rezervoari, kao i druga geološka polja, puni su neizvjesnosti i ne može svako predviđanje biti osnova za odluku bez povezivanja s fizičkim granicama, ispitivanjem bušotine i analizom nesigurnosti.
U ovoj cjelini ćemo pokriti tri AI aspekta proučavanja ležišta: interpretaciju dnevnika bušotine i klasifikaciju facija (vađenje tipa stijena i svojstava iz trupaca), predviđanje poroznosti-propusnosti (predviđanje kvaliteta ležišta) i predviđanje proizvodnje (koliko će bušotina proizvoditi u budućnosti). Geostatistika je i ovdje okosnica; Prostor između bunara ispunjavamo variogramom i simulacijom. Napomena: sektor nafte i gasa je veoma komercijalno osetljiv; Svi uzorci se proučavaju uz anonimne i reprezentativne vrijednosti.
Interpretacija karata bunara i klasifikacija facijasa
Karoteke bunara su krive koje kontinuirano mjere fizička svojstva stijene duž bušotine: gama zrake (sadržaj gline), otpornost (vrsta fluida — voda/ugljovodonik), gustoću i neutrone (poroznost), zvučnu (tvrdoću stijene). Naftni geolog zajedno čita ove krive i izdvaja tip stijene i fluid na svakoj dubini. Ovo je prepoznavanje uzoraka, a AI je vrlo dobar u tome: dosljedno sortira desetine hiljada metara trupaca u facije.
Ali postoje dvije granice. Prvo, interpretacija dnevnika je model, a ne mjerenje; Isti dnevnik može biti otvoren za različita tumačenja facija. Drugo, ako model slijepo prenosi log-facijes odnos koji je naučio u jednom polju u drugo polje (drugačija sredina taloženja, drugačija dijageneza), pravi ozbiljne greške. Stoga je facijalni izlaz kalibriran sa osnovnim podacima; Jezgro je sidro koje povezuje tumačenje dnevnika sa osnovnom istinom.
Savjet: Prije nego što vjerujete rezultatu facijalnog modela, zapitajte se „koje su bušotine sa jezgrom i koliko je tačan model u tim bušotinama?“ pitaj. Nepotvrđena facis procjena je neprovjerena hipoteza, ma koliko izgledala uvjerljivo.
Poroznost i propusnost: najkritičnija razlika
Dva ključa za kvalitet rezervoara su poroznost i propusnost, a razlika između njih je jedna od najvažnijih tačaka upotrebe AI. Poroznost je omjer šupljina stijene i može se izvesti iz trupaca s razumnom preciznošću. Propustljivost je koliko lako fluid teče kroz stijenu i ne mjeri se direktno iz trupaca; ali se procjenjuje indirektno. Permeabilnost je eksponencijalno osjetljiva na male promjene u poroznosti i ovisi o geometriji pora, pukotinama i cementaciji.
Zato je predviđanje propusnosti pomoću mašinskog učenja i privlačno i opasno. Model uči o poroznosti u bušotinama jezgre i propusnosti iz drugih trupaca; ali odnos koji uči je specifičan za to lice i to stanje pritisak-temperatura. Ekstrapolacija na drugu litologiju ili na bunar bez jezgre (pomicanje izvan naučenog raspona) rezultirat će velikim greškama. Procjena propusnosti mora biti povezana sa mjerenjem jezgre i ispitivanjem bušotine (testovi pada pritiska/bubrenja daju stvarno ponašanje protoka).
Oprez: Čak i ako procjena propusnosti daje "dobro izgleda" graf, ona je nepouzdana ako se primjenjuje izvan facija i uvjeta pritiska podataka o treningu. Model uči korelaciju, a ne fizičku činjenicu; uvijek testirajte sa jezgrom i dobro testiranjem.
Prognoza proizvodnje i neizvjesnost
Koliko će bunar proizvoditi u budućnosti zavisi od toga koliko tečnosti rezervoar zadržava i isporučuje. Klasične metode (analiza krivulje pada) produžuju prošli proizvodni trend u budućnost; AI obogaćuje ovaj trend podacima sa više bunara i uči iz obrazaca susjednih bunara. Ali predviđanje proizvodnje je inherentno nesigurno: rezervoar je heterogen, pritisak se menja, uslovi rada se menjaju. Stoga je predstavljen vjerovatnost raspona (nizak/srednji/visok scenario), a ne jedna "tačna" krivulja proizvodnje.
Geostatistika takođe nosi nesigurnost prilikom punjenja zapremine između bunara. Metode kao što je sekvencijalna Gausova simulacija proizvode mnogo jednako vjerovatnih modela umjesto jednog "prosječnog" modela; Razlika između ovih modela je sama nesigurnost. Umjetna inteligencija ubrzava i tumači ove simulacije; ali svođenje rezultata na jedan broj stvara lažno povjerenje skrivajući nesigurnost.
Tri mini slučaja: prema brojevima
Slučaj 1 — Greška ekstrapolacije. Model permeabilnosti obučen na tri bušotine sa jezgrom na jednoj lokaciji dao je predviđanje koje je izgledalo savršeno na četvrtoj bušotini. Ali ovaj bunar je bio u glinovitijem facijesu i model nikada nije vidio ovaj interval; ispitivanje bušotine je pokazalo da je stvarna propusnost oko jedne petine procijenjene. Model je ozbiljno pogrešio za "dobro izgleda" graf; Sidro za ispitivanje bušotine je uhvatilo grešku.
Slučaj 2 — Facies kalibracija. U jednom plinskom polju, umjetna inteligencija je brzo sortirala dnevnike 14 bušotina u facije. Kada se uporedi sa tri bušotine sa jezgrom, zona koju je model klasifikovao kao „čist peščar“ je zapravo bila pukotina, niskokvalitetna jedinica. Sa kalibracijom jezgra, model je ponovo obučen i procjena zapremine rezervoara je svedena na realan nivo.
Slučaj 3 — Iskrenost skripte. U prognozi proizvodnje, model je dao jednu krivulju i iskazao desetogodišnju proizvodnju neparnim brojevima. Kada je tim generisao nizak/srednji/visoki scenario kroz sekvencijalnu simulaciju, otkrili su da je raspon bio veoma širok (visoki scenario je bio otprilike dvostruko niži). Ova širina ukazuje da je potrebno dodatno ispitivanje bušotine u odluci o ulaganju; Jedini broj opasno je prikrio ovu nesigurnost.
Slaba prompt / jaka prompt
Slab upit:
Pogledajte ove bušotine, izračunajte propusnost i recite mi koliko će bunar proizvesti. [podaci dnevnika]
Snažan upit:
Vaša uloga: Pomoćnik geologa ležišta. Davanje JEDAN TAČAN BROJ za propusnost i proizvodnju sa trupcima ispod. Umjesto toga: 1) Navedite koje bušotine mogu biti potvrđene jezgrom pri tumačenju facijesa. 2) Objasnite da procjena propusnosti ne može biti izmjerena direktno iz trupaca, pod kojim uslovima (facies/pritisak) će biti validna, i potrebu za ispitivanjem jezgra/bušotine.3) Uspostavite logiku scenarija niske/srednje/visoke za proizvodnju4) koja ne utiče na jedan izvor krivulje za proizvodnju. je anoniman; Nema pravog polja/kompanije.
Četiri predloška koji se mogu kopirati
1) Provjera kalibracije log-facijesa:
Objasnite koje bušotine imaju jezgro za klasifikaciju facija i kako možemo izmjeriti tačnost modela u tim bušotinama. Označite neprovjerene zone kao "netestirane"; Ne verujte slepo.
2) Validacija propusnosti:
Za predviđanje propusnosti: navedite facijes i opseg pritiska za koji je model obučen; Označite koji bunari/zone su izvan ovog opsega (ekstrapolacija). Naglasite da predviđanju ne treba vjerovati bez testiranja jezgra i bušotine u ovim zonama. Ne dajte tačan broj.
3) Nacrt scenarija proizvodnje:
Uspostavlja logiku scenarija niske, srednje, visoke proizvodnje iz krivulje pada/podataka o proizvodnji. Objasnite na kojim se pretpostavkama zasniva svaki scenario i šta znače razlike između njih. Ne nudi ni jednu "tačnu" krivu.
4) Interpretacija simulacije nesigurnosti:
Interpretirajte izlaz višestrukog jednako vjerovatnog geostatističkog modela (npr. sekvencijalna simulacija): koliko je široka distribucija procjene zapremine, koji je region najneizvjesniji i s kojim dodatnim podacima (pa, seizmičkim) je ta nesigurnost sužena? Svođenje na jedan broj.
Specifikacija rezervoara, mjerljivost i verifikacija
karakteristika/izlaz
Može li se izmjeriti iz trupaca?
AI rizik
verifikaciono sidro
poroznost
Izvedeno sa razumnom tačnošću
Kalibracijski pomak
Poroznost jezgra
propusnost
Ne, indirektno nagađanje
Greška ekstrapolacije
Test jezgra + bunar
facies
Komentar (model)
Prevoz van lokacije
osnovna definicija
Vrsta tečnosti
Zaključujem na osnovu otpornosti
pogrešan komentar
Ispitivanje pod pritiskom/uzorkom
Prognoza proizvodnje
proširenje trenda
lažna sigurnost
Scenarij + test bunara
Savjet: Za svaku procjenu akumulacije "koje direktno mjerenje bi ovo moglo opovrgnuti?" Testirajte tako što ćete reći. Jezgro za poroznost, ispitivanje bušotine za propusnost, definicija jezgra za facijes. Predviđanje koje se ne može opovrgnuti direktnim mjerenjem još nije potvrđeno.
Uobičajene greške
- Propustljivost se vidi kao poroznost. Propustljivost se ne mjeri direktno iz trupaca; Ekstrapolacija daje velike greške, testiranje jezgra/bušotina je neophodno.
- Korištenje modela facija bez jezgra. Facija koja nije kalibrirana jezgrom je neprovjerena hipoteza.
- Prenošenje naučenog odnosa u drugo polje. Različito okruženje taloženja i dijageneza mijenjaju odnos log-osobine.
- Predstavljanje proizvodnje sa jednom krivom. Ako kod scenarija nije data nesigurnost, odluka o ulaganju se zasniva na lažnoj sigurnosti.
- Svođenje simulacije na srednju vrijednost. Više modela ukazuje na nesigurnost; Svođenje na jedan broj uništava informacije.
Ukratko
- Rezervoar je nevidljiv; Čita se indirektno sa evidencijama, jezgrom, seizmičkim i proizvodnim podacima i svako predviđanje nosi nesigurnost.
- Poroznost se može izvesti iz trupaca; Propustljivost se ne mjeri direktno, ona mora biti povezana sa ispitivanjem jezgre i bušotine.
- Facijes klasifikacija je model; nepouzdan bez kalibracije jezgrom i transporta van lokacije.
- Naučeni odnos je specifičan za obrazovne uslove; Ekstrapolacija je najčešća i opasna greška.
- Proizvodnja i obim su predstavljeni ne jednim brojem, već vjerovatnostim scenarijem i simulacijom, uz jasno datu nesigurnost.
Zadatak aplikacije
Nabavite anonimni skup evidencije bunara (ili reprezentativnih vrijednosti). Neka model otkrije koje su zone izložene riziku od ekstrapolacije pomoću predloška "validacije propusnosti"; Testirajte da li stimuliše zonu tako što ćete je namjerno staviti izvan područja treninga. Zatim upotrijebite predložak "nacrt scenarija proizvodnje" da biste proizveli niski/srednji/visoki scenarij umjesto jedne krive i komentirajte širinu raspona u rečenici.
kontrolna lista
- [ ] Znam razliku u mjerljivosti između poroznosti i permeabilnosti i ta propusnost zahtijeva ispitivanje jezgra/bušotina.
- [ ] Ne smatram facijes klasifikaciju pouzdanom bez kalibracije sa jezgrom.
- [ ] Prepoznajem rizik ekstrapolacije naučenog odnosa na drugo polje/uslov.
- [ ] Predstavljam proizvodnju i obim sa probabilističkim scenarijima i simulacijama umjesto pojedinačnih brojeva.
- [ ] "Koje direktno mjerenje bi moglo opovrgnuti svaku procjenu rezervoara?" Testiram to pitanjem.