ડ્રિલિંગ ડેટા, વેલ લોગ્સ અને પેટ્રોફિઝિકલ અર્થઘટન

નફો:

• વેલ લૉગ્સ (ગામા, પ્રતિકાર, ઘનતા, ન્યુટ્રોન, સોનિક) ના ભૌતિક અર્થને સમજવાની ક્ષમતા અને એઆઈ સાથે તેમના બાંધકામ અને અર્થઘટન
• છિદ્રાળુતા, પાણીની સંતૃપ્તિ અને માટીના જથ્થા જેવા પેટ્રોફિઝિકલ જથ્થાની AI-સપોર્ટેડ ગણતરી હાથ ધરવાની ક્ષમતા અને પ્રારંભિક વર્ગીકરણનો સામનો કરવો
• કોર ડેટા, આર્ચી સમીકરણ અને ભૌતિક સીમાઓ સાથે AI દ્વારા ઉત્પાદિત પેટ્રોફિઝિકલ અર્થઘટનને ચકાસવાની ક્ષમતા

જ્યારે કૂવો ડ્રિલ કરવામાં આવે છે, ત્યારે આપણે જમીનની નીચે સીધું જોઈ શકતા નથી; તેના બદલે, અમે સારી રીતે લોગ મેળવીએ છીએ. કૂવો લોગ એ સમગ્ર કૂવામાં ઊંડાઈ સામે માપવામાં આવતા ભૌતિક ગુણધર્મોનો સતત રેકોર્ડ છે. એક સાધન (લોગ ટૂલ) કૂવામાં ઉતારવામાં આવે છે અને, જેમ જેમ તે ઉપર ખેંચાય છે તેમ, કિરણોત્સર્ગીતા, વિદ્યુત પ્રતિકારકતા, ઘનતા અને આસપાસના ખડકોને માપે છે. પેટ્રોફિઝિક્સ એ આ લૉગ્સ વાંચીને ખડકના ગુણધર્મો અને તેમાં રહેલા પ્રવાહી (કેટલા ખાલી જગ્યાઓ છે, ત્યાં પાણી અથવા તેલ છે, શું પ્રવાહી વહે છે) કાઢવાનું વિજ્ઞાન છે. આ એકમમાં, અમે પેટ્રોફિઝિક્સમાં બે શક્તિશાળી સ્થળોએ AI નો ઉપયોગ કરીએ છીએ: વિખરાયેલા લોગ ડેટાનું માળખું કરવું અને પેટ્રોફિઝિકલ અર્થઘટન માટે ઝડપી, ઑડિટેબલ બ્લુપ્રિન્ટ્સનું ઉત્પાદન કરવું. અપરિવર્તનશીલ નિયમ: લોગ એક પરોક્ષ માપ છે, કોર સત્ય કહે છે, એન્જિનિયર અર્થઘટનની પુષ્ટિ કરે છે.

ચાલો મૂળભૂત લોગ્સ જાણીએ

દરેક લોગમાં ભૌતિક જથ્થા હોય છે જે તે માપે છે અને તે શું કહે છે:

• ગામા કિરણ (GR): ખડકની કુદરતી રેડિયોએક્ટિવિટી. માટી અને શેલ ઉચ્ચ મૂલ્યો આપે છે, સ્વચ્છ રેતી અને ચૂનાના પત્થર ઓછા મૂલ્યો આપે છે. તે માટીના જથ્થા (Vshale) અંદાજનો આધાર છે.
• પ્રતિકારકતા: વીજળી માટે ખડકનો પ્રતિકાર. પાણી વીજળીનું સંચાલન કરે છે (ઓછી પ્રતિકાર), તેલ/ગેસ નથી (ઉચ્ચ પ્રતિકાર). તેથી હાઇડ્રોકાર્બનની હાજરી માટે પ્રતિકાર એ મુખ્ય ચાવી છે.
• ઘનતા (RHOB): ખડકની બલ્ક ઘનતા. તેનો ઉપયોગ છિદ્રાળુતાની ગણતરીમાં થાય છે; જેમ જેમ જગ્યા વધે છે તેમ તેમ ઘનતા ઘટે છે.
• ન્યુટ્રોન (NPHI): ખડકમાં હાઇડ્રોજનની માત્રા પ્રત્યે સંવેદનશીલ; તે છિદ્રાળુતાનું સૂચક છે કારણ કે તેમાં પાણી અને હાઇડ્રોકાર્બન હાઇડ્રોજન છે. તે ઘનતા ("ન્યુટ્રોન-ડેન્સિટી ક્રોસઓવર") સાથે ગેસ ઝોન દર્શાવે છે.
• સોનિક (DT): ધ્વનિ તરંગને ખડકમાંથી પસાર થવામાં જે સમય લાગે છે. તે છિદ્રાળુતા અને ખડકોની શક્તિ વિશે માહિતી પ્રદાન કરે છે.

ટીપ: એકલ લોગને ક્યારેય અલગતામાં અર્થઘટન કરવામાં આવતું નથી. પેટ્રોફિઝિક્સમાં, શક્તિ લોગને એકસાથે વાંચવામાં છે: ગામા માટી, પ્રતિકારક પ્રવાહી, ઘનતા-ન્યુટ્રોન છિદ્રાળુતા અને ગેસનું એકસાથે વર્ણન કરવામાં આવ્યું છે.

લોગ ડેટાને ગોઠવી રહ્યું છે

લોગ ડેટા મોટે ભાગે LAS (લોગ ASCII સ્ટાન્ડર્ડ) ફાઇલોમાં આવે છે; પરંતુ વળાંક નામો (RHOB અથવા DEN?), એકમો (API અથવા gr/cc), અને ઊંડાઈ સંદર્ભો સાઇટથી સાઇટ પર બદલાય છે. AI આ ગડબડને પ્રમાણિત કરવામાં ખૂબ જ શક્તિશાળી છે.

જટિલ સિદ્ધાંત: રૂપાંતર શોધો, અનુમાન નહીં. મોડેલે ફાઇલમાં સ્પષ્ટપણે લખેલા વળાંકને પ્રમાણભૂત નામ સાથે મેળ ખાતો હોવો જોઈએ, અને "અનુમાન" સાથે નહીં અને અસ્તિત્વમાં ન હોય તેવા વળાંક ઉત્પન્ન કરવા જોઈએ. જો કોઈ લોગ ખૂટે છે, તો તેને "કોઈ નહીં" તરીકે લખવું જોઈએ અને બનેલું નથી.

સ્ટેપ બાય સ્ટેપ: લોગ કોમેન્ટ વર્કફ્લો

1. કુટિલ ઇન્વેન્ટરી બહાર કાઢો. કયા લોગ હાજર છે, કયા ખૂટે છે, કયા એકમો છે? AI ટેબ્યુલેટ ઇન્વેન્ટરી છે, તમે ચકાસો.
2. ગુણવત્તા નિયંત્રણ કરો. વિસ્તૃત છિદ્ર વ્યાસ (કેલિપર) સાથેના ઝોનમાં, ઘનતા લોગ વિકૃત છે; આ ઝોનને ચિહ્નિત કરો. AI બહારના/અશક્ય મૂલ્યો (નકારાત્મક છિદ્રાળુતા, અમર્યાદિત પ્રતિકાર) માટે સ્કેન કરી શકે છે.
3. માટીના જથ્થાની ગણતરી કરો. ગામા લોગમાંથી Vshale; તમે સ્વચ્છ અને માટી રેખા સંદર્ભો નક્કી કરો.
4. છિદ્રાળુતાની ગણતરી કરો. ઘનતા અને/અથવા ન્યુટ્રોન લોગ, મેટ્રિક્સ અને પ્રવાહીની ઘનતાથી સ્થાનિક મૂલ્યો સુધી.
5. પાણીની સંતૃપ્તિની ગણતરી કરો. આર્ચી સમીકરણ સાથે; પછી હાઇડ્રોકાર્બન સંતૃપ્તિ = 1 − Sw.
6. કોર સાથે કનેક્ટ કરો. જો સમાન ઊંડાઈએ કોર છિદ્રાળુતા/અભેદ્યતા હોય, તો તેની સાથે ગણતરીને માપાંકિત કરો.

આર્કાઇવલ સમીકરણ: ચકાસણી એન્કર

પેટ્રોફિઝિક્સના હાર્દમાં આર્ચી સમીકરણ છે. તે ફક્ત ભૌતિક રીતે જોડે છે કે જેમ જેમ ખડકનો પ્રતિકાર વધે છે તેમ પાણીની સંતૃપ્તિ ઘટે છે (પાણી ઘટે છે અને હાઇડ્રોકાર્બન વધે છે). સમીકરણ માટેના ઇનપુટ્સ છિદ્રાળુતા, રચના પાણી પ્રતિકાર અને માપેલ પ્રતિકાર છે; તેનું આઉટપુટ પાણી સંતૃપ્તિ Sw છે.

જ્યારે AI Sw મૂલ્ય સૂચવે છે, ત્યારે તેને આંખ બંધ કરીને સ્વીકારશો નહીં: ઇનપુટ્સને આર્ચી સમીકરણમાં મૂકો અને તેને મેન્યુઅલી સપ્લાય કરો. પરિણામ 0-1 ની વચ્ચે હોવું જોઈએ; સ્થાનિક ગુણાંક (a, m, n) વાજબી શ્રેણીમાં હોવા જોઈએ; કોર દ્વારા માપાંકિત થયેલ હોવું જ જોઈએ. બિન-સુરક્ષા-જટિલ પરંતુ આર્થિક રીતે નિર્ણાયક આઉટપુટને કેવી રીતે ચકાસવું તેનું આ બરાબર ઉદાહરણ છે.

સાવધાન: કમાન સમીકરણ માટી/શેલ રચનાઓમાં કામ કરતું નથી; માટી વધારાની વાહકતા લાવે છે, જેનાથી પાણીની સંતૃપ્તિ ખરેખર છે તેના કરતા વધારે છે. માટીવાળા વિસ્તારોમાં, માટી-સુધારેલા મોડલ જેમ કે સિમાન્ડોક્સ અથવા વેક્સમેન-સ્મિટ્સ જરૂરી છે. જો AI કહે છે "Sw=0.3 સાથે Archi", તો ખાતરી કરો કે શું રચના માટીની છે.

ત્રણ મિની કેસ: સંખ્યાઓ દ્વારા

કેસ 1 - કેલિપર ટ્રેપ. એક કૂવામાં, મોડેલે ઉચ્ચ છિદ્રાળુતા (32%) સાથે "સારા જળાશય" તરીકે 2,310–2,325 મીટરને ચિહ્નિત કર્યું. પેટ્રોફિઝિસ્ટે કેલિપર લોગ તરફ જોયું: આ અંતરાલમાં છિદ્ર તૂટી ગયું હતું, તેનો વ્યાસ વિસ્તર્યો હતો; તેથી ઘનતા લોગ ખોટી રીતે ઓછી ઘનતા (ઉચ્ચ ખોટા છિદ્રાળુતા) આપી રહ્યો હતો. કોર છિદ્રાળુતા 14% હતી. AI એ દૂષિત ડેટાને વાસ્તવિક માટે ભૂલ્યો; કેલિપર નિયંત્રણથી છટકું ઉકેલાયું.

કેસ 2 - ગેસ ઝોનનું યોગ્ય કેપ્ચર. બે અડીને આવેલા કુવાઓમાં, AI એ ન્યુટ્રોન-ડેન્સિટી ક્રોસઓવર (ન્યુટ્રોન લો, ડેન્સિટી હાઈ પોરોસિટી-ક્લાસિક ગેસ ઈફેક્ટ) થી ગેસ ઝોન સૂચવ્યું. જ્યારે એન્જિનિયરે આને ઉત્પાદન પરીક્ષણ સાથે જોડ્યું, ત્યારે ખાતરી થઈ કે ઝોન ખરેખર ગેસનું ઉત્પાદન કરી રહ્યું છે. અહીં એઆઈએ યોગ્ય ભૌતિક હસ્તાક્ષર દર્શાવ્યા અને સારી રીતે પરીક્ષણ દ્વારા પુષ્ટિ મળી.

કેસ 3 - માટીના ક્ષેત્રમાં અતિશયોક્તિયુક્ત હાઇડ્રોકાર્બન. મોડેલે સપાટ આર્ચીવાળા ઝોનને Sw=0.25 (એટલે ​​​​કે 75% હાઇડ્રોકાર્બન) સોંપ્યું. ગામા લોગ દર્શાવે છે કે આ ઝોન માટીનું હતું; માટીએ પ્રતિકાર ઘટાડવો જોઈએ અને ખરેખર Sw વધારવો જોઈએ. સિમાન્ડોક્સ કરેક્શન સાથે, Sw = 0.55; ઝોન અપેક્ષા કરતા ઘણો ભીનો હતો અને તેનું વ્યાપારી મૂલ્ય ઓછું હતું. અંધ સ્વીકૃતિ રોકાણની ભૂલો તરફ દોરી શકે છે.

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

આ લોગમાંથી છિદ્રાળુતા અને પાણીની સંતૃપ્તિની ગણતરી કરો.[લોગ ડેટા]

શક્તિશાળી પ્રોમ્પ્ટ:

નીચેના (અનામી) લોગ ડેટામાંથી પેટ્રોફિઝિકલ અર્થઘટન ડ્રાફ્ટ બનાવો. નિયમો:- પ્રથમ કર્વ ઇન્વેન્ટરી અને ગુમ/શંકાસ્પદ લોગની યાદી બનાવો. કેલિપર વિસ્તરણ સાથે ઝોનને "ઘનતા શંકાસ્પદ" તરીકે ચિહ્નિત કરો. - ગામા લોગમાંથી Vshale ની ગણતરી કરો; પૂછીને સ્વચ્છ/માટી રેખા સંદર્ભો મેળવો. - ઘનતા-ન્યુટ્રોન સાથે છિદ્રાળુતાની ગણતરી કરો; સ્પષ્ટપણે મેટ્રિક્સ અને પ્રવાહી ઘનતા ધારણાઓ લખો.- આર્ચી સાથે પાણીની સંતૃપ્તિની ગણતરી કરો; જો Vshale વધારે હોય, તો સિમાન્ડોક્સ સૂચવો અને કારણ લખો. જો અનુમાનિત હોય તો a, m, n ગુણાંકનો ઉલ્લેખ કરો. - દરેક પરિણામને ભૌતિક મર્યાદા સાથે તપાસો (0<=Sw<=1, 0<=છિદ્રતા<=0.4). - કોર સાથે માપાંકનની જરૂર હોય તેવા પગલાઓને ચિહ્નિત કરો. કોઈપણ પરિણામોને "નિશ્ચિત" તરીકે રજૂ કરશો નહીં. ડેટા: [લોગ ડેટા]

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) કર્વ ઇન્વેન્ટરી અને QC:

LAS વળાંકોની આ સૂચિને પ્રમાણભૂત નામો (GR, RESD, RHOB, NPHI, DT, CALI) સાથે મેપ કરો. ગુમ થયેલ લોકો માટે "કોઈ નહીં" લખો, તેમને બનાવશો નહીં. જો ત્યાં એકમ વિસંગતતા અને અશક્ય મૂલ્ય (નકારાત્મક છિદ્રાળુતા, અતિશય પ્રતિકાર) હોય તો "પંક્તિ | સમસ્યા | સૂચન" કોષ્ટક આપો. સૂચિ: [વળાંક/ડેટા]

2) Vshale એકાઉન્ટ ડ્રાફ્ટ:

ગામા લોગમાંથી Vshale ની ગણતરી કરો. મને ક્લીન લાઇન (GRmin) અને ક્લે લાઇન (GRmax) સંદર્ભો માટે પૂછો, ધારો નહીં. રેખીય અને બિન-રેખીય (લેરીઓનોવ) પદ્ધતિઓ અલગથી આપો અને તફાવત સમજાવો. ડેટા: [GR]

3) પાણીની સંતૃપ્તિ અને મોડેલની પસંદગી:

નીચે છિદ્રાળુતા, પ્રતિકારકતા અને Vshale સાથે પાણીના સંતૃપ્તિની ગણતરી કરો. Vshale થ્રેશોલ્ડ અનુસાર Archi અથવા Simandoux યોગ્ય છે કે કેમ તે યોગ્ય છે. a, m, n ગુણાંક ધારણાઓ લખો. 0-1 મર્યાદા સાથે પરિણામ તપાસો. ડેટા: [મૂલ્યો]

4) કોર-લોગ કેલિબ્રેશન નિયંત્રણ:

નીચે સમાન ઊંડાણો પર લોગ-પ્રાપ્ત છિદ્રાળુતા અને મુખ્ય છિદ્રાળુતા છે. વ્યવસ્થિત પૂર્વગ્રહ અને સ્કેટરનો સારાંશ આપો; લોગના અર્થઘટનને માપાંકિત કરવા માટે સૂચનો આપો. ડેટા ગુણવત્તા માટે આત્યંતિક આઉટલાયર્સને ચિહ્નિત કરો. ડેટા: [લોગ વિ કોર]

લોગ ટિપ્પણી માન્યતા વંશવેલો

પુરાવા

પ્રત્યક્ષતા

તે શું કહે છે

ઉપયોગ

કોર (કોર)

સૌથી પ્રત્યક્ષ

સાચી છિદ્રાળુતા/અભેદ્યતા

માપાંકન, જટિલ ઝોન

વેલ ટેસ્ટ (પ્રેશર-ફ્લો રેટ)

પ્રત્યક્ષ

સાચો પ્રવાહ, અભેદ્યતા

ઉત્પાદકતા પુષ્ટિ

લોગ (ઘનતા, પ્રતિકાર...)

પરોક્ષ

સતત પ્રોફાઇલ

મુખ્ય ટિપ્પણી, ખાલી જગ્યા ભરો

AI આગાહી

વ્યુત્પન્ન

પૂર્વધારણા, સ્ક્રીનીંગ

રૂપરેખા, માર્કિંગ

સામાન્ય ભૂલો

• કેલિપર/ડેટા ગુણવત્તાને બાયપાસ કરીને. બરબાદ છિદ્ર ઝોનમાં વિકૃત ઘનતાને વાસ્તવિક છિદ્રાળુતા તરીકે ભૂલવું.
• સિંગલ લોગ ટિપ્પણી. માત્ર છિદ્રાળુતા તરફ જોવું અને પ્રતિકારકતા અને ગામાના સંદર્ભને અવગણવું.
• ક્લેય ઝોનમાં સીધી આર્ચી. માટીના સુધારણા વિના હાઇડ્રોકાર્બન સંતૃપ્તિને વધુ પડતો અંદાજ આપવો.
• કોર સાથે માપાંકિત નથી. લોગ કોમેન્ટને માપ સાથે સીધું કનેક્ટ કર્યા વિના સહી પર ખસેડો.
• ગુણાંક છુપાવી રહ્યા છીએ. a, m, n અને મેટ્રિક્સ/પ્રવાહી ધારણાઓ લખ્યા વિના પરિણામો રજૂ કરવા.

સારાંશમાં

• વેલ લોગ પરોક્ષ માપ છે; એકસાથે વાંચવામાં આવે છે અને કોર દ્વારા માપાંકિત કરવામાં આવે છે.
• AI લોગ ડેટાની રચના કરવામાં અને પેટ્રોફિઝિકલ અર્થઘટનનો મુસદ્દો તૈયાર કરવામાં શક્તિશાળી છે; પરંતુ તેને પરિવર્તનની જરૂર છે, અનુમાન/બનાવટની નહીં.
• આર્ચી સમીકરણ એ પાણીની સંતૃપ્તિ માટે ભૌતિક ચકાસણી એન્કર છે; માટીના વિસ્તારોમાં માટી-સુધારેલા મોડલ જરૂરી છે.
• કેલિપર અને ડેટા ક્વોલિટી કંટ્રોલ બનાવટી પોરોસિટી ટ્રેપ્સને અટકાવે છે.
• કોર અને વેલ ટેસ્ટીંગ એ પુરાવા પદાનુક્રમમાં ટોચ પર છે; તળિયે, એકલા AI આગાહી અપૂરતી છે.

એપ્લિકેશન કાર્ય

કૂવાના (પ્રતિનિધિ) લોગ સેટમાંથી 20-30 મીટરનું અંતરાલ પસંદ કરો. પાવરફુલ પ્રોમ્પ્ટ સાથે કર્વ ઈન્વેન્ટરી, Vshale, પોરોસિટી અને વોટર સેચ્યુરેશન ડ્રાફ્ટ જનરેટ કરો. પછી: (1) કેલિપર વિસ્તરણ સાથેનો ઝોન છે કે કેમ તે તપાસો, (2) આર્ચી સમીકરણમાં ઇનપુટ્સ મૂકીને જાતે જ Sw પરિણામ પ્રદાન કરો, (3) જો એક ઝોન માટીવાળો હોય તો સિમાન્ડોક્સની જરૂર છે કે કેમ તેની ચર્ચા કરો. ઓછામાં ઓછા એક બિંદુ પર મોડેલની ધારણા (દા.ત. મેટ્રિક્સ ઘનતા) પર પ્રશ્ન કરો.

ચેકલિસ્ટ

• [ ] હું મૂળભૂત લોગ્સ (GR, પ્રતિકાર, ઘનતા, ન્યુટ્રોન, સોનિક) નો ભૌતિક અર્થ અને વાંચન એકસાથે જાણું છું.
• [ ] હું લોગ ડેટાની રચના કરતી વખતે પરિવર્તન ઈચ્છું છું, હું ખૂટતો લોગ બનાવતો નથી.
• [ ] હું ભૌતિક સીમાઓ અને આર્ચી/સિમાન્ડોક્સ સાથે છિદ્રાળુતા અને પાણીની સંતૃપ્તિને નિયંત્રિત કરું છું.
• [ ] હું કેલિપર/ડેટા ક્વોલિટી ટ્રેપ્સ (બરબાદ છિદ્ર) ચિહ્નિત કરું છું.
• [ ] હું મુખ્ય અને સારી પરીક્ષણ સાથે લોગ અર્થઘટનનું માપાંકન અને ચકાસણી કરું છું.