Voitot:
- Kyky selittää työnkulkua huokoisuuden, läpäisevyyden ja säiliöominaisuuksien ennustamisessa tekoälyllä
- Kyky asemoida koneoppimista kaivon lokien tulkinnassa, facies-luokituksessa ja tuotannon ennustamisessa
- Kyky todentaa säiliön tuotokset fyysisten rajojen, kaivon testauksen ja epävarmuusanalyysin avulla
Öljy- tai kaasusäiliö on näkymätön nesteiden aarreaitta, joka on jäänyt loukkuun huokoiseen kiveen, mailia pinnan alapuolella. Emme voi nähdä sitä suoraan; "Luemme" sen vain kaivoista saamiemme tukien, ytimien, seismisten varjojen ja tuotantotietojen kanssa. Säiliön karakterisoinnin tehtävänä on rekonstruoida näistä epäsuorista mittauksista, kuinka paljon nestettä kivi sisältää (huokoisuus), kuinka helposti se vapauttaa nestettä (läpäisevyys) ja millainen kolmiulotteinen rakenne säiliö on. Tekoäly on voimakas tällä alueella: kaivon lokien tulkitsemisessa, faciesien (kivityyppien ryhmittymien) luokittelussa, huokoisuus-läpäisevyyssuhteiden ennustamisessa ja tuotantotrendien mallintamisessa. Mutta altaat, kuten muutkin geologiset kentät, ovat täynnä epävarmuutta, eivätkä kaikki ennusteet voi olla päätöksen perusta ilman, että ne liittyvät fyysisiin rajoihin, kaivon testaukseen ja epävarmuusanalyysiin.
Tässä osiossa käsittelemme kolmea tekoälyn näkökohtaa säiliötutkimuksessa: kaivon lokin tulkinta ja fatiesiluokittelu (kivityypin ja ominaisuuksien erottaminen tukista), huokoisuus-läpäisevyyden ennustaminen (säiliön laadun ennustaminen) ja tuotannon ennustaminen (kuinka paljon kaivo tuottaa tulevaisuudessa). Geostatistiikka on myös tässä selkäranka; Täytämme kaivojen välisen tilan variogrammilla ja simuloinnilla. Huomautus: öljy- ja kaasuala on kaupallisesti erittäin herkkä; Kaikki näytteet tutkitaan anonyymeillä ja edustavilla arvoilla.
Kaivologin tulkinta ja facies-luokitus
Kaivon lokit ovat käyriä, jotka mittaavat jatkuvasti kallion fysikaalisia ominaisuuksia kairauksen varrella: gammasäde (savipitoisuus), ominaisvastus (nestetyyppi - vesi/hiilivety), tiheys ja neutroni (huokoisuus), ääni (kiven kovuus). Öljygeologi lukee nämä käyrät yhdessä ja poimii kalliotyypin ja nesteen jokaisesta syvyydestä. Tämä on hahmontunnistusta, ja tekoäly on siinä erittäin hyvä: lajittelee jatkuvasti kymmeniä tuhansia metrejä puuta faciesiksi.
Mutta on kaksi rajaa. Ensinnäkin lokin tulkinta on malli, ei mittaus; Sama loki voi olla avoin erilaisille facies-tulkinnoille. Toiseksi, jos malli siirtää sokeasti kentällä oppimansa log-facies-suhteen toiseen kenttään (erilainen laskeutumisympäristö, erilainen diageneesi), se tekee vakavia virheitä. Siksi facies-tulostus kalibroidaan ydindatalla; Ydin on ankkuri, joka yhdistää lokin tulkinnan pohjatotuuteen.
Vinkki: Ennen kuin luotat facies-mallin tuottoon, kysy "mitkä kaivot on täytetty ja kuinka tarkka malli näissä kaivoissa on?" kysyä. Vahvistamaton faciesestimaatti on testaamaton hypoteesi, riippumatta siitä, kuinka uskottavalta se näyttää.
Huokoisuus ja läpäisevyys: tärkein ero
Säiliön laadun kaksi avainta ovat huokoisuus ja läpäisevyys, ja niiden välinen ero on yksi tekoälyn käytön tärkeimmistä kohdista. Huokoisuus on kiven tyhjösuhde, ja se voidaan johtaa tukista kohtuullisella tarkkuudella. Läpäisevyys tarkoittaa, kuinka helposti neste virtaa kiven läpi, eikä sitä mitata suoraan tukista; mutta se arvioidaan epäsuorasti. Läpäisevyys on eksponentiaalisesti herkkä pienille huokoisuuden muutoksille ja riippuu huokosgeometriasta, halkeamista ja sementoinnista.
Siksi läpäisevyyden ennustaminen koneoppimisen avulla on sekä houkuttelevaa että vaarallista. Malli oppii huokoisuuden sydänkaivoissa ja läpäisevyyden muista tukista; mutta suhde, jonka se oppii, on spesifinen tälle faciesille ja tuolle paine-lämpötila-olosuhteille. Ekstrapolointi eri litologiaan tai ytimettömään kaivoon (siirtyminen opitun alueen ulkopuolelle) johtaa suuriin virheisiin. Läpäisevyyden arviointi on yhdistettävä sydämen mittaukseen ja kaivotestaukseen (painehäviö/turvotustestit antavat todellisen virtauskäyttäytymisen).
Varoitus: Vaikka läpäisevyyden arvio tuottaa "hyvän näköisen" kaavion, se on epäluotettava, jos sitä käytetään harjoitustietojen facies- ja paineolosuhteiden ulkopuolella. Malli oppii korrelaation, ei fyysistä tosiasiaa; testaa aina ydin- ja hyvin testaamalla.
Tuotantoennuste ja epävarmuus
Se, kuinka paljon kaivo tuottaa tulevaisuudessa, riippuu siitä, kuinka paljon nestettä säiliö sisältää ja toimittaa. Klassiset menetelmät (laskukäyräanalyysi) laajentavat menneen tuotannon suuntausta tulevaisuuteen; Tekoäly rikastuttaa tätä trendiä monikuoppatiedoilla ja oppii viereisistä kaivokuvioista. Mutta tuotannon ennustaminen on luonnostaan epävarmaa: säiliö on heterogeeninen, paine muuttuu, käyttöolosuhteet muuttuvat. Siksi esitetään todennäköisyysalue (matala/keskimääräinen/korkea skenaario), ei yksittäinen "tarkka" tuotantokäyrä.
Geostatistiikka sisältää myös epävarmuutta kaivojen välisen tilavuuden täyttämisessä. Menetelmät, kuten peräkkäinen Gaussin simulointi, tuottavat useita yhtä todennäköisiä malleja yhden "keskimääräisen" mallin sijaan; Ero näiden mallien välillä on itse epävarmuus. Tekoäly nopeuttaa ja tulkitsee näitä simulaatioita; mutta tuloksen vähentäminen yhdeksi numeroksi luo väärää luottamusta piilottamalla epävarmuuden.
Kolme minikoteloa: Numeroiden mukaan
Tapaus 1 – Ekstrapolointivirhe. Permeabiliteettimalli, jota harjoitettiin kolmella ytimellä yhdessä paikassa, antoi ennusteen, joka näytti täydelliseltä neljännessä kaivossa. Mutta tämä kaivo oli savimaisessa faciesissa, eikä malli ollut koskaan nähnyt tätä väliä; kaivotestaus osoitti todellisen läpäisevyyden olevan noin viidesosa arvioidusta. Malli erehtyi vakavasti "hyvän näköiseksi" kaavioksi; Kaivon testiankkuri havaitsi virheen.
Tapaus 2 – Facies-kalibrointi. Yhdellä kaasukentällä tekoäly lajitteli nopeasti 14 kaivon puut faciesiksi. Kun verrataan kolmeen ydinkaivoon, vyöhyke, jonka malli luokitteli "puhtaaksi hiekkakiveksi", oli itse asiassa murtunut, huonolaatuinen yksikkö. Sydämen kalibroinnilla mallia koulutettiin uudelleen ja säiliötilavuusarvio laskettiin realistiselle tasolle.
Tapaus 3 – Käsikirjoituksen rehellisyys. Tuotantoennusteessa malli antoi yhden käyrän ja ilmaisi kymmenen vuoden tuotannon parittomina. Kun ryhmä loi matalan/keskitason/korkean skenaarion peräkkäisellä simulaatiolla, he havaitsivat, että vaihteluväli oli hyvin laaja (korkea skenaario oli noin kaksi kertaa pienempi). Tämä leveys osoitti, että investointipäätöksessä vaadittiin lisäkaivon testausta; Yksittäinen numero peitti vaarallisesti tämän epävarmuuden.
Heikko kehote / Vahva kehote
Heikko kehote:
Katso näitä kaivon lokeja, laske läpäisevyys ja kerro kuinka paljon kaivo tuottaa. [lokitiedot]
Tehokas kehotus:
Tehtäväsi: Assistenttigeologi. Anna YKSI TARKKA NUMERO läpäisevyydestä ja tuotannosta alla olevilla tukilla. Sen sijaan:1) Ilmoita, mitkä kaivot voidaan vahvistaa ytimellä faciesitulkintaa tehdessäsi.2) Selitä, että permeabiliteettiestimaattia ei voida mitata suoraan lokeista, missä olosuhteissa (facies/paine) se tulee olemaan pätevä ja sydämen/kaivon testauksen tarve.3) Määrittele tuotannon matala/keskimääräinen/korkea skenaariologiikka, ei yksittäinen tulostietolähde.4) anonyymi; Ei varsinaista alaa/yritystä.
Neljä kopioitavaa mallia
1) Log-facies-kalibroinnin tarkistus:
Selitä, mitkä kaivot on sydätetty facies-luokitukseen ja kuinka voimme mitata mallin tarkkuuden näissä kaivoissa. Merkitse vahvistamattomat vyöhykkeet "testaamattomiksi"; Älä luota sokeasti.
2) Läpäisevyyden tarkistus:
Läpäisevyyden ennustamista varten: määritä facies ja painealue, jolle malli on koulutettu; Merkitse, mitkä kaivot/vyöhykkeet ovat tämän alueen ulkopuolella (ekstrapolaatio). Korosta, että ennusteeseen ei pidä luottaa ilman ydin- ja kaivotestausta näillä alueilla. Älä anna tarkkaa numeroa.
3) Tuotantoskenaarion luonnos:
Muodostaa matalan, keskisuuren ja korkean tuotannon skenaarion logiikan laskukäyrän/tuotantotietojen perusteella. Selitä, mihin oletuksiin kukin skenaario perustuu ja mitä niiden väliset erot tarkoittavat. Ei tarjoa yhtä "tarkkaa" käyrää.
4) Epävarmuuden simulaation tulkinta:
Tulkitse usean yhtä todennäköisen geostatistisen mallin tulos (esim. peräkkäinen simulaatio): kuinka laaja on tilavuusestimaatin jakauma, mikä alue on epävarmin ja millä lisätiedoilla (no, seismisellä) tätä epävarmuutta kavennetaan? Vähentäminen yhdeksi numeroksi.
Säiliön tekniset tiedot, mitattavuus ja todentaminen
ominaisuus/lähtö
Voiko sen mitata tukista?
AI riski
vahvistusankkuri
huokoisuus
Johdettu kohtuullisella tarkkuudella
Kalibrointipoikkeama
Ytimen huokoisuus
läpäisevyys
Ei, epäsuora arvaus
Ekstrapolointivirhe
Ydin + kaivon testi
facies
Kommentti (malli)
Kuljetus paikan ulkopuolella
ydinmääritelmä
Nestetyyppi
Päättelen resistanssista
väärä kommentti
Paineen/näytteen testaus
Tuotantoennuste
trendin laajennus
väärä varmuus
Skenaario + kaivotesti
Vihje: Jokainen säiliön arvio "mikä suora mittaus voisi kumota tämän?" Testaa sanomalla. Ydin huokoisuutta varten, kaivotesti läpäisevyyden suhteen, ytimen määritelmä faciesille. Ennustetta, jota ei voida kumota suoralla mittauksella, ei ole vielä vahvistettu.
Yleisiä virheitä
- Läpäisevyyden näkeminen huokoisuutena. Läpäisevyyttä ei mitata suoraan tukista; Ekstrapolaatio antaa suuria virheitä, ydin/kaivon testaus on välttämätöntä.
- Käyttää facies-mallia ilman ydintä. Facies, jota ydin ei ole kalibroinut, on testaamaton hypoteesi.
- Opitun suhteen siirtäminen toiselle alalle. Erilainen kerrostumisympäristö ja diageneesi muuttavat log-ominaisuussuhdetta.
- Tuotannon esittely yhdellä käyrällä. Jos skenaarioilla ei anneta epävarmuutta, sijoituspäätös perustuu väärään varmuuteen.
- Simuloinnin vähentäminen keskiarvoon. Useat mallit osoittavat epävarmuutta; Sen pelkistäminen yhdeksi numeroksi tuhoaa tiedon.
Yhteenvetona
- Säiliö on näkymätön; Sitä luetaan epäsuorasti lokien, ydin-, seismisten ja tuotantotietojen kanssa, ja jokainen ennuste sisältää epävarmuutta.
- Huokoisuus voidaan johtaa tukista; Läpäisevyyttä ei mitata suoraan, se on yhdistettävä ydin- ja kaivotestaukseen.
- Facies-luokitus on malli; epäluotettava ilman ydinkalibrointia ja kuljetusta muualle.
- Opittu suhde on erityinen koulutusolosuhteille; Ekstrapolointi on yleisin ja vaarallisin virhe.
- Tuotantoa ja volyymia ei esitetä yhdellä numerolla, vaan todennäköisyysskenaariolla ja simulaatiolla, jossa epävarmuus on selkeästi annettu.
Sovellustehtävä
Hanki anonymisoitu joukko kaivon lokeja (tai edustavia arvoja). Pyydä mallia selvittämään, mitkä vyöhykkeet ovat ekstrapoloinnin vaarassa "läpäisevyyden validointi" -mallin avulla; Testaa, stimuloiko se vyöhykettä asettamalla se tarkoituksella harjoitusalueen ulkopuolelle. Käytä sitten "tuotantoskenaarion luonnos" -mallia luodaksesi matala/keskimääräinen/korkea skenaario yhden käyrän sijaan ja kommentoi alueen leveyttä lauseessa.
tarkistuslista
- [ ] Tiedän huokoisuuden ja läpäisevyyden välisen mitattavuuden eron ja että läpäisevyys vaatii ytimen/kaivon testausta.
- [ ] En pidä facies-luokitusta luotettavana kalibroimatta sitä ytimellä.
- [ ] Ymmärrän riskin ekstrapoloida opittu suhde toiseen kenttään/ehtoon.
- [ ] Esitän tuotannon ja volyymin todennäköisyysskenaarioilla ja simulaatioilla yksittäisten lukujen sijaan.
- [ ] "Mikä suora mittaus voisi kumota kunkin säiliöarvion?" Testaan sitä kysymyksellä.