Dobici:
- Sposobnost da se objasni kako se 3D distribucija svojstava rezervoara (poroznost, propusnost, zasićenost vodom) modelira pomoću AI i geostatistike
- Sposobnost lociranja širenja karakteristika pomoću modeliranja lica, variograma, kriginga i mašinskog učenja
- Sposobnost verifikacije izlaza modela ležišta sa materijalnom bilansom, ispitivanjem bušotine i scenarijima nesigurnosti
Da bismo napravili naftno ili plinsko polje, prvo trebamo napraviti njegov 3D model: gdje se nalazi ležišna stijena, koliko je porozna (poroznost), koliko lako fluid teče (propusnost/propusnost) i koliko je pora ispunjeno ugljovodonicima (1 − zasićenost vodom). Ali ove karakteristike možemo mjeriti samo na mjestima gdje bušimo bunare; Ogroman volumen između bunara je prazan i mora se napuniti. Karakterizacija rezervoara je uzimanje tačkastih mjerenja u bušotinama i njihovo proširenje na cijeli volumen korištenjem geološke logike i statistike. U ovoj jedinici koristimo umjetnu inteligenciju i geostatistiku (granu statistike koja modelira prostorne podatke s nesigurnošću) u ovom radu diseminacije. Nepromjenjivi princip: svaka vrijednost od bunara do bunara je procjena, a ne stvarna; Neizvjesnost je dio modela i testira se fizičkom ravnotežom.
Osnovni koncepti
- Facijes: Vrsta stijene s jedinstvenim svojstvima koja je nastala u određenom okruženju taloženja (npr. pijesak riječnog kanala, morski škriljac, grebenski krečnjak). Kvalitet akumulacije je usko vezan za faciju: kanal dobro drenira pijesak, ali ne i škriljac.
- Variogram: Mjera prostornog kontinuiteta koja opisuje kako se sličnost karakteristika smanjuje kako se rastojanje između dvije tačke povećava. To je osnovni alat geostatistike.
- Kriging: Metoda koja procjenjuje vrijednost na neuzorkovanim tačkama koristeći variogram, zajedno sa nesigurnošću procjene.
- Stohastička simulacija: Izrada mnogo jednako vjerovatnih modela (realizacija) kompatibilnih sa podacima, umjesto jedne "najbolje" pretpostavke; To čini neizvjesnost vidljivom.
- Materijalni bilans: odnos očuvanja između fluida proizvedenog iz rezervoara, pada pritiska i preostale zapremine; fizičko sidro koje nezavisno testira volumen modela.
Savjet: Model rezervoara je distribucija nesigurnosti, a ne jedan broj. Tačan jezik je "P90=35, P50=50, P10=72 miliona barela", a ne "Rezerva 50 miliona barela". Zatražite od AI scenarij/distribuciju, a ne procjenu jedne točke.
Kako AI i geostatistika rade zajedno
Klasična geostatistika (kriging, variogram) je moćna, ali se bori s multivarijantnim, nelinearnim odnosima. Ovdje dolazi u obzir mašinsko učenje:
- Klasifikacija facija: Dodjela facija iz skupa dnevnika (učenje pod nadzorom); Zatim distribuirajte obilježje koristeći lice kao vodič.
- Procjena atributa: Procjena poroznosti među bušotinama na osnovu seizmičkog atributa + log odnosa (seizmičko modeliranje).
- Popunjavanje praznina: Završavanje nedostajućih raspona dnevnika razumno iz susjednih bunara i odnosa.
Ali mašinsko učenje ne poznaje geološku logiku. Karta poroznosti koju je izradio model je netočna ako nije u skladu sa okruženjem taloženja (npr. visoka propusnost u škriljcima). Geološka vjerodostojnost je prvi filter AI izlaza.
Korak po korak: tok rada modela rezervoara
- Strukturni skelet. Utvrditi geometriju akumulacije sa horizontima i rasjedama iz seizmičkog stanja (izlaz iz bloka 3).
- Facies model. Odrediti facije u bušotinama (log + jezgro), rasporediti na zapreminu sa variogramom/geološkim trendom. AI ubrzava klasifikaciju.
- Postavljanje funkcije. Distribuirati poroznost, propusnost, zasićenost vodom unutar svake facije pomoću kriginga ili mašinskog učenja; Ako postoji seizmička situacija, nabavite vodič.
- Neizvesnost. Generirati veliki broj realizacija sa stohastičkom simulacijom; Izdaju se volumeni P90/P50/P10.
- Verifikacija. Testni volumen modela s balansom materijala i podudaranjem istorije; Uporedite sa ispitivanjem propusnosti bunara.
Tri mini slučaja: prema brojevima
Slučaj 1 — Vodič za vrijednost facija. Kada je poroznost raspršena na lokaciji direktno krigingom, visoka poroznost je „procurila“ u zone lošeg škriljaca. Kada je model facija prvi put uspostavljen i poroznost je raspoređena unutar facija, model je postao realističan i stohastički volumeni su se suzili: volumen P50 se smanjio za 12%, ali se opseg nesigurnosti suzio za 40%. Ispravna struktura je dala i realnije i sigurnije rezultate.
Slučaj 2 — Ekstrapolaciona zamka. Model mašinskog učenja je dobro naučio odnos poroznost-seizmika u regionu gde su bušotine koncentrisane; ali kada se nanese na rubni blok bez bušotine, pao je izvan opsega treninga (ekstrapolacija) i proizveo nerealnu poroznost od 28%. Geolog je pokazao da se taj blok nalazi u drugoj facijskoj zoni; model je bio nevažeći u toj regiji. Granica ekstrapolacije je označena.
Slučaj 3 — Sukob materijalne ravnoteže. Bogati 3D model rezervi P50 dao je 68 miliona barela; međutim, rani pad pritiska proizvodnje na polju je ukazivao na sistem sa najviše ~45 miliona barela u materijalnom bilansu. Kontradikcija je nastala jer je model pretpostavio da su nepovezana (izolovana) pješčana tijela previše povezana. Veza je preispitana i model je smanjen. Fizičko sidro je fiksiralo geometrijski model.
Slaba prompt / jaka prompt
Slab upit:
Model ležišta i rezerva su izvedeni iz ovih podataka o bušotini.[podaci]
Snažan upit:
Generirajte DRAFT plan modeliranja ležišta iz (anonimiziranog) bunara i seizmičkog sažetka ispod. Pravila: - Prvi model facijesa; Raspodijeliti poroznost/propusnost UNUTAR facija. Ispiranje ugljikovodika u facije iz škriljaca/niskog kvaliteta.- opravdati parametre variograma (smjer, raspon) iz geološkog trenda, a ne iz podataka; Jasno napišite pretpostavke.- Predstavite rezultat kao raspodjelu zapremine P90/P50/P10, a ne kao jedan broj.- Označite rizik od ekstrapolacije u regijama bez bunara.- Napišite kako provjeriti s materijalnim bilansom/istorijom proizvodnje. Podaci: [sažetak]
Četiri predloška koji se mogu kopirati
1) Nacrt facijes klasifikacije:
Predložite pristup facijesne klasifikacije iz sljedećeg skupa trupaca. Zapišite dnevnike koji će se koristiti, definicije klasa i potrebu za označavanjem jezgra. Navedite rizik od zabune između klasa i provjere geološke vjerodostojnosti. Podaci: [log set]
2) Variogramska opravdanost:
Prilikom uspostavljanja variograma za ove podatke o poroznosti, povežite odabir smjera i raspona sa smjerom geoloških padavina. Objasnite rizik od pretpostavke izotropnosti. Navedite granicu pouzdanosti variograma sa malo podataka. Podaci: [poroznost]
3) Scenario neizvjesnosti:
Generirajte raspodjelu volumena P90/P50/P10 za sljedeće ulaze volumena (površina, debljina, poroznost, zasićenost, faktor konverzije). Pitajte za raspon nesigurnosti svakog ulaza, nemojte to pretpostavljati. Odredite najutjecajniji izvor neizvjesnosti (tornado). Ulaz: [vrijednosti]
4) Unakrsna provjera bilansa materijala:
Uporedite sljedeću zapreminu 3D modela sa datim ranim podacima o proizvodnji i padu tlaka za materijalnu ravnotežu. Ako postoji nekompatibilnost, navedite moguće razloge (priključak, podrška vodonosnika, greška u zapremini). Model: [volumen], proizvodnja/pritisak: [podaci]
Slojevi za provjeru modela rezervoara
sloj
Kakvi testovi
Metoda
Geološka vjerodostojnost
Facies-feature doslednost
Stručni pregled
podaci bunara
Usklađenost mjerenja na mjestu
Poređenje dnevnika/jezgra
well test
Stvarna propusnost/pritisak
Ispitivanje prolaznog pritiska
Materijalni bilans
očuvanje zapremine
Odnos pritisak-proizvodnja
Istorijat proizvodnje
dinamičko ponašanje
Podudaranje historije
Uobičajene greške
- Facies skipping. Distribuirajte karakteristike bez facijalnog vodiča i propuštajte ugljikovodike sa stvarima.
- Predviđanje u jednoj tački. Izvještavanje o jednom broju rezervi umjesto distribucije nesigurnosti.
- Ekstrapolacija. Slijepa primjena modela na blokove izvan raspona podataka obuke.
- Preskakanje materijalnog bilansa. Ne testira volumen 3D modela sa fizičkom ravnotežom.
- Ostavite variogram na automatski. Odabir smjera/dometa bez geološkog trenda.
Ukratko
- Karakterizacija ležišta je proširenje tačaka mjerenja u bušotinama na cijeli volumen sa geologijom i geostatistikom.
- AI i mašinsko učenje su moćni u klasifikaciji facija i predviđanju karakteristika; ali geološka vjerodostojnost je prvi filter.
- Distribuirati karakteristike unutar facija; Prijavite nesigurnost kao distribuciju P90/P50/P10.
- Označite granice ekstrapolacije; Nemojte slijepo koristiti model izvan područja treninga.
- Materijalni bilans i istorija proizvodnje su fizička sidra koja testiraju geometrijski model.
Zadatak aplikacije
Uzmite podatke o poroznosti/facijesu iz nekoliko bušotina (reprezentativnih) polja. Napravite plan modeliranja uz pomoć moćnog odzivnika. Zatim: (1) provjerite da li je poroznost raspoređena unutar facija, (2) zatražite rezervu kao P90/P50/P10, a ne jedan broj, (3) grubo dajte volumen koji model daje jednostavnom materijalnom ravnotežom (proizvedeno + preostalo) logikom. Dodajte upozorenje o ekstrapolaciji za najmanje jednu regiju bez bunara.
kontrolna lista
- [ ] Razumijem da je model ležišta procjena od bušotine do bušotine i da nosi nesigurnost.
- [ ] Distribuiram karakteristike sa vodičem za lica, ne propuštam ih u facije lošeg kvaliteta.
- [ ] Prijavljujem rezervu kao distribuciju P90/P50/P10, a ne jedan broj.
- [ ] Označavam granice ekstrapolacije.
- [ ] Provjeravam zapreminu modela sa materijalnim bilansom i istorijom proizvodnje.