zisky:
- Schopnost vysvětlit pracovní postup při předpovídání pórovitosti, propustnosti a vlastností nádrží pomocí AI
- Schopnost umístit strojové učení do interpretace protokolů, klasifikace facies a prognóz výroby
- Schopnost ověřit výstupy z nádrže prostřednictvím fyzických hranic, testování vrtů a analýzy nejistoty
Zásobník ropy nebo plynu je neviditelným pokladem tekutin uvězněných v porézních horninách, míle pod povrchem. Nemůžeme to vidět přímo; Pouze to „čteme“ s kládami, jádry, seismickými stíny a produkčními daty, které dostáváme z vrtů. Charakterizace nádrže je úkolem rekonstruovat z těchto nepřímých měření, kolik tekutiny hornina zadržuje (pórovitost), jak snadno tekutinu uvolňuje (propustnost) a jaký druh trojrozměrné struktury nádrž je. Umělá inteligence je v této oblasti mocná: interpretuje protokoly vrtů, klasifikuje facie (seskupení typů hornin), předpovídá vztahy pórovitosti a propustnosti a modeluje produkční trendy. Ale nádrže, stejně jako jiná geologická pole, jsou plné nejistoty a ne každá předpověď může být základem pro rozhodnutí, aniž by byla spojena s fyzickými hranicemi, testováním vrtů a analýzou nejistoty.
V této jednotce pokryjeme tři aspekty umělé inteligence studia nádrže: interpretaci vrtných ložisek a klasifikaci facie (extrakce typu a vlastností horniny z klád), predikci pórovitosti a propustnosti (predikce kvality nádrže) a predikci produkce (kolik bude vrt v budoucnu produkovat). I zde je geostatistika páteří; Prostor mezi jamkami vyplníme variogramem a simulací. Poznámka: sektor ropy a zemního plynu je obchodně velmi citlivý; Všechny vzorky jsou studovány s anonymními a reprezentativními hodnotami.
Interpretace záznamu studny a klasifikace Facies
Záznamy studní jsou křivky, které nepřetržitě měří fyzikální vlastnosti horniny podél vrtu: gama záření (obsah jílu), měrný odpor (typ kapaliny – voda/uhlovodík), hustotu a neutron (poréznost), sonický (tvrdost horniny). Ropný geolog čte tyto křivky dohromady a extrahuje typ horniny a tekutinu v každé hloubce. To je rozpoznávání vzorů a umělá inteligence je v tom velmi dobrá: důsledně třídí desítky tisíc metrů klád do facies.
Jsou tu ale dvě meze. Za prvé, logaritmická interpretace je model, nikoli měření; Stejný protokol může být otevřen různým interpretacím facie. Za druhé, pokud model slepě přenáší vztah log-facies, který se naučil v jednom oboru, do jiného oboru (jiné depoziční prostředí, odlišná diageneze), dopouští se vážných chyb. Proto je výstup facies kalibrován základními daty; Jádrem je kotva, která spojuje výklad logu se základní pravdou.
Tip: Než důvěřujete výstupu modelu facie, zeptejte se „které jamky byly opatřeny jádry a jak přesný je model v těchto jamkách?“ požádat. Nepotvrzený odhad facies je nevyzkoušená hypotéza, bez ohledu na to, jak věrohodná se může zdát.
Pórovitost a propustnost: nejkritičtější rozdíl
Dva klíče ke kvalitě nádrže jsou pórovitost a propustnost a rozdíl mezi nimi je jedním z nejdůležitějších bodů používání AI. Pórovitost je poměr dutin horniny a lze ji odvodit z kulatiny s přiměřenou přesností. Propustnost je to, jak snadno tekutina protéká horninou a neměří se přímo z klád; ale odhaduje se nepřímo. Permeabilita je exponenciálně citlivá na malé změny pórovitosti a závisí na geometrii pórů, trhlinách a cementaci.
Proto je predikce propustnosti se strojovým učením atraktivní i nebezpečná. Model se učí pórovitost v jádrových vrtech a propustnost z jiných kmenů; ale vztah, který se učí, je specifický pro tuto facii a podmínky tlaku a teploty. Extrapolace na jinou litologii nebo na jamku bez jádra (pohyb mimo naučený rozsah) bude mít za následek velké chyby. Odhad propustnosti musí být spojen s měřením jádra a testováním vrtu (testy poklesu tlaku/bobtnání udávají skutečné chování proudění).
Upozornění: I když odhad propustnosti vytvoří „dobře vypadající“ graf, je nespolehlivý, pokud se použije mimo facies a tlakové podmínky tréninkových dat. Model se učí korelaci, nikoli fyzikální fakt; vždy testujte s jádrem a testováním dobře.
Prognóza výroby a nejistota
To, kolik vrt v budoucnu vyprodukuje, závisí na tom, kolik tekutiny nádrž pojme a dodá. Klasické metody (analýza křivky poklesu) rozšiřují minulý výrobní trend do budoucnosti; AI obohacuje tento trend o data z více vrtů a učí se ze vzorů sousedních vrtů. Prognóza výroby je však ze své podstaty nejistá: zásobník je heterogenní, mění se tlak, mění se provozní podmínky. Proto je prezentováno pravděpodobnostní rozmezí (nízký/střední/vysoký scénář), nikoli jedna „přesná“ produkční křivka.
Geostatistika také nese nejistotu při plnění objemu mezi vrty. Metody, jako je sekvenční Gaussova simulace, vytvářejí mnoho stejně pravděpodobných modelů spíše než jeden „průměrný“ model; Rozdíl mezi těmito modely je samotná nejistota. Umělá inteligence tyto simulace urychluje a interpretuje; ale snížení výsledku na jediné číslo vytváří falešnou důvěru tím, že skrývá nejistotu.
Tři mini případy: Podle čísel
Případ 1 – Chyba extrapolace. Model propustnosti trénovaný na třech jamkách s jádrem na jednom místě poskytl předpověď, která se zdála perfektní na čtvrté jamce. Ale tato studna byla v hlinitější facii a model tento interval nikdy neviděl; testování vrtů ukázalo, že skutečná propustnost je asi jedna pětina odhadu. Model byl vážně mylně považován za „dobře vypadající“ graf; Zkušební kotva zachytila chybu.
Případ 2 – Facies kalibrace. V jednom plynovém poli umělá inteligence rychle roztřídila protokoly 14 vrtů do facií. Ve srovnání se třemi jádrovými vrty byla zóna, kterou model klasifikoval jako „čistý pískovec“, ve skutečnosti rozbitou jednotkou nízké kvality. S kalibrací jádra byl model přeškolen a odhad objemu rezervoáru byl snížen na realistickou úroveň.
Případ 3 – Poctivost scénáře. V prognóze výroby model dával jedinou křivku a vyjadřoval desetiletou produkci v lichých číslech. Když tým pomocí sekvenční simulace vygeneroval nízký/střední/vysoký scénář, zjistil, že rozsah byl velmi široký (vysoký scénář byl přibližně dvakrát nižší). Tato šířka naznačovala, že v investičním rozhodnutí bylo vyžadováno další testování vrtu; Jediné číslo nebezpečně skrývalo tuto nejistotu.
Slabá výzva / Silná výzva
Slabá výzva:
Podívejte se na tyto protokoly studní, vypočítejte propustnost a řekněte mi, kolik bude studna produkovat. [data protokolu]
Výkonná výzva:
Vaše role: Asistent geologa nádrže. Dáváme JEDINÉ PŘESNÉ ČÍSLO pro propustnost a výrobu s protokoly níže. Místo toho: 1) Uveďte, které vrty mohou být potvrzeny jádrem při interpretaci facie. 2) Vysvětlete, že odhad propustnosti nelze měřit přímo z protokolů, za jakých podmínek (facie/tlak) bude platný a nutnost testování jádra/vrtu.3) Stanovte logiku scénáře nízké/střední/vysoké úrovně pro výrobu, nikoli jedinou křivku.4) Uveďte 4 zdroje nejistoty dat. Žádný skutečný obor/firma.
Čtyři kopírovatelné šablony
1) Kontrola kalibrace log-facies:
Vysvětlete, které vrty jsou opatřeny jádry pro klasifikaci facie a jak můžeme v těchto vrtech měřit přesnost modelu. Označte neověřené zóny jako „netestované“; Nevěř slepě.
2) Ověření propustnosti:
Pro predikci propustnosti: specifikujte facie a tlakový rozsah, pro který je model trénován; Označte, které jamky/zóny jsou mimo tento rozsah (extrapolace). Zdůrazněte, že předpovědi by se nemělo věřit bez testování jádra a studny v těchto zónách. Neuvádějte přesné číslo.
3) Návrh scénáře výroby:
Stanovuje logiku scénáře nízké, střední a vysoké produkce z křivky poklesu/výroby. Vysvětlete, na jakých předpokladech je každý scénář založen a co znamenají rozdíly mezi nimi. Nenabízí žádnou „přesnou“ křivku.
4) Interpretace simulace nejistoty:
Interpretujte výstup vícenásobně stejně pravděpodobného geostatistického modelu (např. sekvenční simulace): jak široká je distribuce odhadu objemu, která oblast je nejistá a jakými dalšími údaji (no, seismickými) je tato nejistota zúžena? Snížení na jediné číslo.
Specifikace, měřitelnost a verifikace nádrže
funkce/výstup
Dá se to měřit z kulatiny?
Riziko AI
ověřovací kotva
pórovitost
Odvozeno s přiměřenou přesností
Kalibrační drift
Pórovitost jádra
propustnost
Ne, nepřímý odhad
Chyba extrapolace
Test jádra + studny
obličeje
Komentář (model)
Doprava mimo lokalitu
základní definice
Typ tekutiny
Usuzuji z rezistivity
špatný komentář
Testování tlaku/vzorku
Prognóza výroby
rozšíření trendu
falešná jistota
Scénář + test studny
Tip: Pro každý odhad nádrže "jaké přímé měření by to mohlo vyvrátit?" Otestujte to tím, že řeknete. Jádro na pórovitost, test jamky na propustnost, definice jádra pro facies. Předpověď, kterou nelze vyvrátit přímým měřením, se zatím nepotvrdila.
Časté chyby
- Vidět propustnost jako pórovitost. Propustnost se neměří přímo z kulatiny; Extrapolace dává velké chyby, testování jádra/jamky je nezbytné.
- Použití modelu obličeje bez jádra. Facie, která nebyla kalibrována jádrem, je nevyzkoušená hypotéza.
- Přenášení naučeného vztahu k jinému oboru. Rozdílné depoziční prostředí a diageneze mění logaritmický vztah.
- Prezentace výroby jedinou křivkou. Pokud není nejistota dána scénáři, investiční rozhodnutí je založeno na falešné jistotě.
- Redukce simulace na střední hodnotu. Více modelů ukazuje nejistotu; Snížením na jediné číslo se informace ničí.
V souhrnu
- Nádrž je neviditelná; Čte se nepřímo s protokoly, jádry, seismickými a výrobními daty a každá předpověď nese nejistotu.
- Pórovitost lze odvodit z kulatiny; Propustnost se neměří přímo, musí být spojena s testováním jádra a studny.
- Klasifikace obličeje je model; nespolehlivé, aniž by byly kalibrovány jádrem a přepravovány mimo pracoviště.
- Naučený vztah je specifický pro vzdělávací podmínky; Extrapolace je nejčastější a nejnebezpečnější chybou.
- Produkce a objem nejsou prezentovány jediným číslem, ale pravděpodobnostním scénářem a simulací s jasně danou nejistotou.
Aplikační úkol
Získejte anonymizovaný soubor protokolů studní (nebo reprezentativních hodnot). Nechte model zjistit, které zóny jsou ohroženy extrapolací pomocí šablony „ověření propustnosti“; Vyzkoušejte, zda stimuluje zónu záměrným umístěním mimo tréninkový rozsah. Poté použijte šablonu „návrh produkčního scénáře“ k vytvoření nízkého/středního/vysokého scénáře namísto jedné křivky a okomentujte šířku rozsahu ve větě.
kontrolní seznam
- [ ] Vím, jaký je rozdíl v měřitelnosti mezi pórovitostí a propustností a že propustnost vyžaduje testování jádra/vrtu.
- [ ] Nepovažuji klasifikaci facies za spolehlivou, aniž bych ji zkalibroval jádrem.
- [ ] Uvědomuji si riziko extrapolace naučeného vztahu do jiného oboru/stavu.
- [ ] Produkci a objem uvádím pomocí pravděpodobnostních scénářů a simulací namísto jednotlivých čísel.
- [ ] "Jaké přímé měření by mohlo vyvrátit každý odhad nádrže?" Testuji to otázkou.