Gevinster:
- Evne til at forstå den fysiske betydning af brøndlogs (gamma, modstand, tæthed, neutron, sonisk) og deres konstruktion og fortolkning med AI
- Evne til at udføre AI-understøttet beregning af petrofysiske størrelser såsom porøsitet, vandmætning og lervolumen og facies foreløbig klassificering
- Evne til at verificere petrofysiske fortolkninger produceret af AI med kernedata, Archi-ligning og fysiske grænser
Når der bores en brønd, kan vi ikke se direkte under jorden; I stedet får vi godt logs. En brøndlog er en kontinuerlig registrering af fysiske egenskaber målt i forhold til dybden i hele brønden. Et instrument (logværktøj) sænkes ned i brønden og måler, efterhånden som det trækkes op, radioaktiviteten, den elektriske resistivitet, densiteten og mere af den omgivende sten. Petrofysik er videnskaben om at udvinde egenskaberne af klippen og væskerne i den (hvor mange hulrum er der, er der vand eller olie i hulrummene, kan væsken flyde) ved at læse disse logfiler. I denne enhed bruger vi kunstig intelligens to kraftfulde steder inden for petrofysik: strukturering af spredte logdata og fremstilling af hurtige, reviderbare tegninger til petrofysisk fortolkning. Den uforanderlige regel: loggen er en indirekte måling, kernen fortæller sandheden, ingeniøren bekræfter fortolkningen.
Lad os lære grundlæggende logfiler at kende
Hver log har en fysisk mængde, den måler, og hvad den siger:
- Gammastråle (GR): Naturlig radioaktivitet af bjergarten. Ler og skifer giver høje værdier, rent sand og kalksten giver lave værdier. Det er grundlaget for estimering af lervolumen (Vshale).
- Resistivitet: Stenens modstand mod elektricitet. Vand leder elektricitet (lav modstand), olie/gas ikke (høj modstand). Resistens er derfor det vigtigste fingerpeg om tilstedeværelsen af kulbrinter.
- Massefylde (RHOB): Stenens massefylde. Det bruges i porøsitetsberegning; Når pladsen øges, falder tætheden.
- Neutron (NPHI): Følsom over for mængden af brint i bjergarten; Det er en indikator for porøsitet, fordi det indeholder vand og carbonhydridbrinte. Den afslører gaszoner med tæthed ("neutron-density crossover").
- Sonic (DT): Den tid, det tager for en lydbølge at rejse gennem klippen. Det giver information om porøsitet og stenstyrke.
Tip: En enkelt log tolkes aldrig isoleret. I petrofysik ligger kraften i at læse logfilerne sammen: gamma-ler, resistivitetsvæske, tæthed-neutronporøsitet og gas beskrives sammen.
Konfiguration af logdata
Logdata kommer for det meste i LAS (Log ASCII Standard) filer; men kurvenavne (RHOB eller DEN?), enheder (API eller gr/cc) og dybdereferencer varierer fra sted til sted. AI er meget kraftfuld til at standardisere dette rod.
Kritisk princip: søg transformation, ikke slutning. Modellen skal matche kurven, der udtrykkeligt er skrevet i filen, til standardnavnet, og ikke "gætte" og producere en kurve, der ikke eksisterer. Hvis der mangler en log, skal den skrives som "ingen" og ikke gøres op.
Trin for trin: log kommentar workflow
- Tag det skæve inventar ud. Hvilke logfiler er til stede, hvilke mangler, hvad er enhederne? Har AI-tabeller opgørelse, du bekræfter.
- Lav kvalitetskontrol. I zoner med forstørret huldiameter (caliper) er tæthedsloggen forvrænget; Marker disse zoner. AI kan scanne for outliers/umulige værdier (negativ porøsitet, ubegrænset modstand).
- Beregn volumen af ler. Vshale fra gammalog; Du bestemmer de rene og lerreferencer.
- Beregn porøsiteten. Fra tæthed og/eller neutronlog, matrix- og væskedensiteter til lokale værdier.
- Beregn vandmætning. Med Archi-ligningen; derefter kulbrintemætning = 1 − Sw.
- Forbind med kerne. Hvis der er kerneporøsitet/permeabilitet i samme dybde, kalibrer beregningen med det.
Arkivligning: Verifikationsanker
I hjertet af petrofysikken står Archi-ligningen. Det forbinder simpelthen fysisk, at vandmætningen falder i takt med at klippens modstand stiger (vandet falder og kulbrinte stiger). Input til ligningen er porøsitet, formation vandmodstand og målt modstand; Dens output er vandmætning Sw.
Når AI foreslår en Sw-værdi, skal du ikke blindt acceptere den: sæt inputs ind i Archi-ligningen og indfør dem manuelt. Resultatet skal være mellem 0–1; lokale koefficienter (a, m, n) skal være inden for et rimeligt interval; skal kalibreres med kerne. Dette er præcis et eksempel på, hvordan man verificerer et ikke-sikkerhedskritisk, men økonomisk kritisk output.
Forsigtig: Bueligningen fungerer ikke, som den gør i lerholdige/skiferformationer; Ler bringer yderligere ledningsevne, hvilket gør vandmætningen højere, end den faktisk er. I lerholdige zoner kræves lerkorrigerede modeller som Simandoux eller Waxman-Smits. Hvis AI siger "Archi with Sw=0.3", skal du sørge for at stille spørgsmålstegn ved, om formationen er leret.
Tre minietuier: Efter numrene
Tilfælde 1 - Kaliberfælde. I en brønd markerede modellen 2.310–2.325 m som et "godt reservoir" med høj porøsitet (32%). Petrofysikeren så på kaliber-loggen: i dette interval var hullet kollapset, dets diameter var udvidet; Densitetsloggen gav derfor falsk lav densitet (høj falsk porøsitet). Kerneporøsiteten var 14%. AI tog fejl af korrupte data for ægte; Kaliberkontrol løste fælden.
Tilfælde 2 — Korrekt fangst af gaszonen. I to tilstødende brønde foreslog AI en gaszone fra neutrontæthedsoverkrydsning (neutron lav, tæthed høj porøsitet - klassisk gaseffekt). Da ingeniøren kædede dette sammen med produktionstestning, blev det bekræftet, at zonen faktisk producerede gas. Her påpegede AI den korrekte fysiske signatur og blev bekræftet ved brøndtest.
Tilfælde 3 — Overdrevet kulbrinte i leret zone. Modellen tildelte Sw=0,25 (dvs. 75 % kulbrinte) til en zone med flad Archi. Gammaloggen viste, at denne zone var leret; ler skulle have sænket modstanden og faktisk øget Sw. Med Simandoux-korrektion er Sw = 0,55; Zonen var meget vådere end forventet og havde lavere kommerciel værdi. Blind accept kan føre til investeringsfejl.
Svag prompt / stærk prompt
Svag prompt:
Beregn porøsitet og vandmætning ud fra denne log.[logdata]
Kraftig prompt:
Generer petrofysisk fortolkning DRAFT fra følgende (anonymiserede) logdata. Regler:- List først kurvebeholdningen og manglende/mistænkelige logfiler. Marker zoner med kaliberudvidelse som "tvivlsom tæthed". - Beregn Vshale fra gammalog; Få referencer til ren-/lerlinje ved at spørge. - Beregn porøsitet med densitet-neutron; Skriv UDTRYKKEligt matrix- og væskedensitetsantagelser.- Beregn vandmætning med Archi; Hvis Vshale er høj, så foreslå Simandoux og skriv en årsag. Angiv koefficienterne a, m, n, hvis de er hypotetiske. - Tjek hvert resultat med den fysiske grænse (0<=Sw<=1, 0<=porøsitet<=0,4). - Marker de trin, der kræver kalibrering, med kerne. Vis ikke nogen resultater som "definitive". Data: [logdata]
Fire kopierbare skabeloner
1) Kurvebeholdning og QC:
Kortlæg denne liste over LAS-kurver til standardnavne (GR, RESD, RHOB, NPHI, DT, CALI). Skriv "ingen" for de manglende, lad være med at finde på dem. Hvis der er enhedsafvigelse og umulig værdi (negativ porøsitet, overdreven modstand), giv "række | problem | forslag" tabel. Liste: [kurve/data]
2) Vshale-kontoudkast:
Beregn Vshale fra gammalog. Spørg mig om referencer for ren linje (GRmin) og lerlinje (GRmax), gå ikke ud fra. Angiv lineære og ikke-lineære (Larionov) metoder separat og forklar forskellen. Data: [GR]
3) Vandmætning og modelvalg:
Beregn vandmætning med porøsitet, resistivitet og Vshale nedenfor. Begrund om Archi eller Simandoux er egnet i henhold til Vshale-tærsklen. Skriv koefficientantagelserne a, m, n. Tjek resultatet med 0-1 grænse. Data: [værdier]
4) Core-log kalibreringskontrol:
Nedenfor er den log-afledte porøsitet og kerneporøsitet i samme dybde. Opsummer den systematiske bias og scatter; Giv forslag til kalibrering af logfortolkning. Marker ekstreme outliers for datakvalitet. Data: [log vs core]
Logkommentarvalideringshierarki
beviser
direktehed
hvad står der
Brug
Kerne (kerne)
mest direkte
Ægte porøsitet/permeabilitet
Kalibrering, kritisk zone
Brøndtest (trykstrømningshastighed)
direkte
Ægte flow, permeabilitet
Produktivitetsbekræftelse
Log (densitet, modstand...)
indirekte
Kontinuerlig profil
Hovedkommentar, udfyld det tomme felt
AI forudsigelse
afledt
Hypotese, screening
omrids, markering
Almindelige fejl
- Omgå caliper/datakvalitet. At tage fejl af den forvrængede tæthed i ruinerede hulzoner som ægte porøsitet.
- Enkelt log kommentar. Ser kun på porøsitet og negligerer konteksten af resistivitet og gamma.
- Lige Archi i den lerholdige zone. Overvurdering af kulbrintemætning uden lerkorrektion.
- Kalibrerer ikke med kerne. Flytning af logkommentaren til signaturen uden at forbinde den direkte med målingen.
- Skjuler koefficienterne. Præsentation af resultater uden at nedskrive a, m, n og matrix/væske-antagelser.
Sammenfattende
- Brøndlogs er indirekte målinger; læses sammen og kalibreres af kerne.
- AI er kraftfuld til at strukturere logdata og udarbejde petrofysisk fortolkning; men det kræver transformation, ikke inferens/fabrikation.
- Archi-ligningen er det fysiske verifikationsanker for vandmætning; Lerkorrigerede modeller er påkrævet i lerholdige zoner.
- Kaliber og datakvalitetskontrol forhindrer falske porøsitetsfælder.
- Kerne- og brøndtest er øverst i bevishierarkiet; I bunden er AI-forudsigelse alene utilstrækkelig.
Ansøgningsopgave
Vælg et interval på 20–30 meter fra et (repræsentativt) logsæt af en brønd. Generer kurvebeholdning, Vshale, porøsitet og vandmætningstræk med den kraftfulde prompt. Derefter: (1) tjek om der er en zone med tykkelsesudvidelse, (2) giv Sw-resultatet manuelt ved at lægge input ind i Archi-ligningen, (3) diskuter om Simandoux er nødvendig, hvis en af zonerne er leret. Sæt spørgsmålstegn ved modellens antagelse (f.eks. matrixdensitet) ved mindst ét punkt.
tjekliste
- [ ] Jeg kender den fysiske betydning og sammenlæsning af grundlæggende logfiler (GR, modstand, tæthed, neutron, sonisk).
- [ ] Jeg ønsker transformation, mens jeg strukturerer logdataene, jeg opretter ikke den manglende log.
- [ ] Jeg kontrollerer porøsitet og vandmætning med fysiske grænser og Archi/Simandoux.
- [ ] Jeg markerer caliper/datakvalitetsfælder (ødelagt hul).
- [ ] Jeg kalibrerer og verificerer logfortolkningen med kerne- og brøndtest.