Caracterización de yacimientos, modelado de facies y geoestadística

Ganancias:

• Capacidad para explicar cómo se modela la distribución 3D de las propiedades del yacimiento (porosidad, permeabilidad, saturación de agua) con inteligencia artificial y geoestadística.
• Capacidad para localizar la distribución de características con modelado de facies, variograma, kriging y aprendizaje automático.
• Capacidad para verificar los resultados del modelo de yacimiento con balance de materiales, pruebas de pozos y escenarios de incertidumbre.

Para fabricar un campo de petróleo o gas, primero necesitamos construir un modelo 3D del mismo: dónde está la roca yacimiento, qué tan porosa es (porosidad), con qué facilidad fluye el fluido (permeabilidad/permeabilidad) y qué cantidad de poros están llenos de hidrocarburos (1 - saturación de agua). Pero sólo podemos medir estas características en los puntos donde perforamos pozos; El enorme volumen entre los pozos está vacío y hay que llenarlo. La caracterización de yacimientos consiste en tomar mediciones puntuales en los pozos y extenderlas a todo el volumen utilizando lógica y estadística geológica. En esta unidad utilizamos la inteligencia artificial y la geoestadística (la rama de la estadística que modela datos espaciales con incertidumbre) en este trabajo de divulgación. El principio inmutable: cada valor de pozo a pozo es una estimación, no real; La incertidumbre es parte del modelo y se pone a prueba mediante el equilibrio físico.

Conceptos básicos

• Facies: tipo de roca con propiedades únicas que se formó en un entorno de depósito particular (por ejemplo, arena de canal de río, esquisto marino, piedra caliza de arrecife). La calidad del yacimiento está estrechamente ligada a la facies: el canal drena bien arena, pero no esquisto.
• Variograma: medida de continuidad espacial que describe cómo la similitud de características disminuye a medida que aumenta la distancia entre dos puntos. Es la herramienta básica de la geoestadística.
• Kriging: método que estima el valor en puntos no muestreados utilizando el variograma, junto con la incertidumbre de la estimación.
• Simulación estocástica: producir muchos modelos (realizaciones) igualmente probables y compatibles con los datos, en lugar de una única "mejor" suposición; Hace visible la incertidumbre.
• Balance de materia: Relación de conservación entre el fluido producido en el yacimiento, la caída de presión y el volumen restante; Ancla física que prueba de forma independiente el volumen del modelo.

Sugerencia: El modelo de yacimiento es una distribución de incertidumbre, no un número único. El lenguaje correcto es "P90=35, P50=50, P10=72 millones de barriles", no "Reserva de 50 millones de barriles". Pídale a la IA un escenario/distribución, no una estimación puntual.

Cómo funcionan juntas la IA y la geoestadística

La geoestadística clásica (kriging, variograma) es poderosa pero tiene dificultades con relaciones multivariadas y no lineales. Aquí es donde entra en juego el aprendizaje automático:

• Clasificación de facies: Asignación de facies del conjunto de registros (aprendizaje supervisado); Luego distribuya la característica usando facies como guía.
• Estimación de atributos: estimación de la porosidad entre pozos a partir del atributo sísmico + relación logarítmica (modelado impulsado por sísmica).
• Llenado de huecos: completar los registros faltantes varía razonablemente con los pozos y relaciones vecinos.

Pero el aprendizaje automático no conoce la lógica geológica. El mapa de porosidad producido por un modelo es incorrecto si es inconsistente con el entorno de depósito (por ejemplo, alta permeabilidad en facies de esquisto). La plausibilidad geológica es el primer filtro de los resultados de la IA.

Paso a paso: flujo de trabajo del modelo de yacimiento

1. Esqueleto estructural. Establecer la geometría del yacimiento con horizontes y fallas sísmicas (salida de la Unidad 3).
2. Modelo de facies. Determinar facies en pozos (log + core), distribuir a volumen con variograma/tendencia geológica. La IA acelera la clasificación.
3. Implementación de funciones. Distribuir la porosidad, la permeabilidad y la saturación de agua dentro de cada facies mediante kriging o aprendizaje automático; Si hay sísmico, consiga un guía.
4. Incertidumbre. Generar una gran cantidad de realizaciones con simulación estocástica; Se emiten los volúmenes P90/P50/P10.
5. Verificación. Volumen del modelo de prueba con balance de material y coincidencia histórica; Compárese con la permeabilidad de prueba de pozo.

Tres minicasos: en cifras

Caso 1 — Guía de valor de facies. Cuando la porosidad se dispersó en un sitio directamente mediante kriging, la porosidad alta se “filtró” hacia zonas de esquisto de baja calidad. Cuando se estableció por primera vez el modelo de facies y se distribuyó la porosidad dentro de las facies, el modelo se volvió realista y los volúmenes estocásticos se redujeron: el volumen de P50 disminuyó en un 12%, pero la banda de incertidumbre se redujo en un 40%. La estructura correcta produjo resultados más realistas y seguros.

Caso 2: trampa de extrapolación. El modelo de aprendizaje automático aprendió la relación porosidad-sísmica del pozo en la región donde se concentran los pozos; pero cuando se aplicó a un bloque de borde sin pozo, quedó fuera del rango de entrenamiento (extrapolación) y produjo una porosidad poco realista del 28%. El geólogo demostró que ese bloque estaba en una zona de facies diferente; el modelo no era válido en esa región. El límite de extrapolación está marcado.

Caso 3: Conflicto de balance de materiales. Un rico modelo 3D de reservas P50 arrojó 68 millones de barriles; sin embargo, la caída inicial de la presión de producción del campo indicó un sistema con como máximo ~45 millones de barriles en balance de materia. La contradicción surgió porque el modelo suponía que los cuerpos de arena desconectados (aislados) estaban demasiado conectados. Se reconsideró la conexión y el modelo se hizo más pequeño. El ancla física fijó el modelo geométrico.

Aviso débil / Aviso fuerte

Aviso débil:

El modelo de yacimiento y la reserva se derivan de los datos de este pozo.[datos]

Potente mensaje:

Genere un plan BORRADOR de modelado de yacimientos a partir del pozo (anónimo) y el resumen sísmico a continuación. Reglas: - Primero construya el modelo de facies; Distribuir porosidad/permeabilidad DENTRO de la facies. Característica de hidrocarburos lixiviando en lutitas/facies de baja calidad.- Justificar los parámetros del variograma (dirección, rango) a partir de la tendencia geológica, no de los datos; Escriba los supuestos CLARAMENTE.- Presente el resultado como una distribución de volumen P90/P50/P10, no como un solo número.- Señale el riesgo de extrapolación en regiones sin pozos.- Escriba cómo verificar con el balance de materiales/historial de producción.Datos: [resumen]

Cuatro plantillas copiables

1) Borrador de clasificación de facies:

Sugiera un enfoque de clasificación de facies a partir del siguiente conjunto de registros. Escriba los registros que se utilizarán, las definiciones de clases y la necesidad de un etiquetado central. Especificar el riesgo de confusión entre clases y el control de plausibilidad geológica. Datos: [conjunto de registros]

2) Justificación del variograma:

Al establecer un variograma para estos datos de porosidad, relacione la selección de dirección y rango con la dirección de la precipitación geológica. Explique el riesgo de asumir isotrópico. Establezca el límite de confiabilidad del variograma con pocos datos. Datos: [porosidad]

3) Escenario de incertidumbre:

Genere una distribución de volumen P90/P50/P10 para las siguientes entradas de volumen (área, espesor, porosidad, saturación, factor de conversión). Pregunte por el rango de incertidumbre de cada entrada, no lo asuma. Clasifique la fuente de incertidumbre (tornado) más influyente. Entrada: [valores]

4) Verificación cruzada del balance de materiales:

Compare el siguiente volumen del modelo 3D con los datos iniciales de producción y caída de presión proporcionados para el balance de materiales. Si hay incompatibilidad, enumere las posibles razones (conexión, soporte de acuífero, error de volumen). Modelo: [volumen], producción/presión: [datos]

Capas de verificación del modelo de yacimiento

capa

que pruebas

Método

Plausibilidad geológica

Consistencia facies-características

Revisión de expertos

bien datos

Cumplimiento de las mediciones puntuales

Comparación de registros/núcleos

bien prueba

Permeabilidad/presión real

Prueba transitoria de presión

balance de materia

conservación del volumen

Relación presión-producción

Historia de producción

comportamiento dinámico

Coincidencia histórica

Errores comunes

• Saltos de facies. Distribuir rasgos sin guía de facies y filtrar hidrocarburos con cosa.
• Predicción de un solo punto. Informar un número único de reservas en lugar de una distribución de incertidumbre.
• Extrapolación. Aplicar ciegamente el modelo a bloques fuera del rango de datos de entrenamiento.
• Saltarse el balance de materia. No probar el volumen del modelo 3D con equilibrio físico.
• Deje el variograma en automático. Elección de dirección/rango sin tendencia geológica.

En resumen

• La caracterización de yacimientos es la extensión de mediciones puntuales en pozos a todo el volumen con geología y geoestadística.
• La IA y el aprendizaje automático son poderosos en la clasificación de facies y la predicción de características; pero la plausibilidad geológica es el primer filtro.
• Distribuir características dentro de facies; Informe la incertidumbre como una distribución P90/P50/P10.
• Marque los límites de extrapolación; No utilice el modelo a ciegas fuera del rango de entrenamiento.
• El balance de materiales y la historia de la producción son anclajes físicos que ponen a prueba el modelo geométrico.

Tarea de aplicación

Tomar datos de porosidad/facies de varios pozos (representativos) de un campo. Genere un plan de modelado con el potente mensaje. Luego: (1) verifique si la porosidad está distribuida dentro de la facies, (2) solicite la reserva como P90/P50/P10, no un solo número, (3) proporcione aproximadamente el volumen dado por el modelo con una lógica simple de balance de material (producido + restante). Agregue una advertencia de extrapolación para al menos una región sin pozos.

lista de verificación

• [ ] Entiendo que el modelo de yacimiento es una estimación de pozo a pozo y conlleva incertidumbre.
• [ ] Distribuyo los rasgos con la guía de facies, no los filtro en facies de baja calidad.
• [ ] Reporto la reserva como una distribución P90/P50/P10, no como un solo número.
• [ ] Marco los límites de extrapolación.
• [ ] Verifico el volumen del modelo con el balance de materiales y el historial de producción.