Dobici:
- Sposobnost razlikovanja preskakanja ciklusa u automatskom praćenju horizonta i otiska akvizicije u detekciji greške od stvarne strukture i ručnog pregleda
- Razumjeti da su klase seizmičkih facijesa statističke i moći dati geološko značenje uz poznavanje bušotina i okoliša taloženja.
- Sposobnost testiranja rizika od prekomjernog opremanja u kombinaciji značajki sa slijepim testom bušotine i ograničavanje broja značajki prema broju bušotina
Obrada je završena; Imate čisti, migrirani seizmički volumen. Sada počinje pravo pitanje: što ova slika govori o podzemlju? Gdje su granice slojeva, u kojem smjeru se prostiru rasjedi, koje je područje pijesak, koje glina, gdje bi moglo biti ležište? Seizmička interpretacija je postupak izdvajanja strukturnog i sedimentnog (stratigrafskog) modela podzemlja iz migriranih podataka. U ovoj jedinici vidjet ćemo kako umjetna inteligencija (AI) proizvodi "brzi prvi nacrt" u praćenju horizonta i rasjeda, klasifikaciji seizmičkih facijesa i analizi atributa, ali tko gradi geološko značenje i konačni model.
Građevni blokovi interpretacije
Razjasnimo pojmove. Horizont je kontinuirana reflektirajuća površina promatrana u seizmičkom presjeku i općenito odgovara granici geološkog sloja. Rasjed je ravnina diskontinuiteta gdje se slojevi lome i pomiču; Javlja se na mjestima gdje su refleksije isprekidane ili pomaknute u presjeku. Seizmički facijesi su volumenska područja koja imaju sličan valni karakter (amplituda, kontinuitet, tekstura) i općenito odražavaju sličan sedimentni okoliš. Seizmički atributi su mjerenja izvedena iz tragova koja usmjeravaju oko na određene značajke (diskontinuitet, nagib, amplituda, frekvencija); na primjer, atribut koherencije/kontinuiteta ističe greške, a spektralna dekompozicija naglašava geometriju kanala.
AI u horizontu i praćenju grešaka
Ručno praćenje horizonta je kada prevoditelj prati dionicu po dionicu odraza i označava tisuće točaka—točno, ali sporo. Automatsko praćenje temeljeno na umjetnoj inteligenciji može započeti s nekoliko početnih točaka i proširiti se po cijelom volumenu; U detekciji grešaka, modeli temeljeni na CNN-u (mreže učenja uzorka slike) mogu označiti diskontinuitete u cijelom volumenu. Ovo skreće ono za što su vam trebali tjedni ručno u sate.
Međutim, postoje dvije zamke. Prvo, automatski uređaj za praćenje može ciklički preskočiti horizont—prebacujući se s jednog vrha vala na susjedni vrh; Rezultat je naizgled glatka, ali geološki neprecizna površina. Drugo, detektor grešaka može greškom shvatiti linearni šum generiran obradom (npr. otisak akvizicije) kao grešku. Zato se svaka površinska i mreža rasjeda koju generira AI ručno pregledava na raskrižjima (presjecište rasjed-horizont) i lokacijama bušotina.
Savjet: Vizualno nadzirite automatski praćeni horizont u nekoliko ključnih odjeljaka tako da ga prekrijete na samim podacima. Površina je preskočila ciklus gdje ostavlja jaku refleksiju i skače na slabi vrh; Nemojte širiti volumen bez da ručno ispravite ta područja.
Seizmička klasifikacija facijesa
Klasifikacija facijesa je zadatak podjele volumena na regije prema karakteru valova. U nadziranom pristupu dodjeljujete oznake iz poznatih litologija u bušotinama i trenirate model; U nenadziranom pristupu, sam model grupira regije sa sličnim karakteristikama, a geološko značenje dajete kasnije. AI ovdje pruža veliku brzinu, ali klase su statistička sličnost, a ne geološka činjenica. Regija koju model naziva "facijes 3" dobiva značenje kao "kanalski pijesak" samo uz poznavanje bušotine i okoliša taloženja.
Pažnja: Vi navodite broj nenadziranih klasa klasteriranja; Različiti brojevi klasa proizvode potpuno različite karte. Nemojte se zatvoriti u jedan klaster; Promijenite broj klasa i provjerite ostaje li rezultat geološki stabilan.
Zamka u analizi značajki: multivarijatni odnos
AI može kombinirati desetke značajki i izgraditi moćne klasifikatore. Ali pokušaj prilagodbe velikog broja značajki malom broju bušotina rezultira pretjeranim prilagođavanjem - nesposobnošću modela da zapamti primjere obuke i generalizira na nove podatke: karta je savršena u bušotinama i besmislena između bušotina. Pravilo: neka broj značajki bude proporcionalan kontrolnim podacima (bušotina) i testirajte kartu u neovisnoj bušotini (slijepi test).
tri mini kućišta
Slučaj 1 — Praćenje horizonta do sati. Glavni horizont ležišta u volumenu od 900 km² označen je ručno u 9 dana. AI uređaj za praćenje raširio je površinu sa 6 točaka sjetve u 3 sata; Recenzent je ručno ispravio područje preskakanja od 14 ciklusa. Rezultat: ista točnost, jedan dan umjesto dana.
Slučaj 2 — Zamjena otiska stopala za grešku. Detektor grešaka označio je pravilne linije sjever-jug. Komentator je primijetio da ove linije točno odgovaraju razmaku linija za prikupljanje: to nisu bile greške, već tragovi za prikupljanje. Stvarni rasjedi išli su okomito na ovaj pravilan uzorak; Kada je otisak eliminiran, mapa kvarova je postala smislena.
Slučaj 3 — Prekomerna karta facijesa. Klasifikator obučen s 22 značajke i samo 5 bušotina dao je 98% točnosti na bušotinama, ali je klasificirao pješčenjak kao glinenac u šestoj (slijepoj) bušotini. Kada je broj značajki smanjen na 6 i ponovno obučen, točnost slijepe bušotine porasla je sa 61% na 88%: karta je također bila pouzdana u svim bušotinama.
Četiri predloška za kopiranje
1) Savjetovanje o odabiru atributa:
Vaša uloga: stručnjak za seizmičku interpretaciju. Moj cilj: [pijesak riječnog kanala / karbonatno ležište]. Koje seizmičke atribute (koherencija, spektralna dekompozicija, RMS amplituda, nagib) i kojim redoslijedom trebam koristiti za isticanje ovog cilja? Što svaki atribut predstavlja, kakav obmanjujući obrazac može proizvesti? Objasnite ukratko.
2) Automatska inspekcija horizonta:
Imam automatski praćen horizont. Dajte mi popis za provjeru za otkrivanje preskakanja ciklusa: u kojim dijelovima, koje simptome trebam tražiti (pad amplitude, iznenadni skok dubine), kako da potvrdim s vezom bunara i kojim redoslijedom da izvršim korekciju?
3) Testiranje broja klase lica:
Radim grupiranje facijesa bez nadzora. Probao sam broj klasa 4,6 i 8, karte su ispale drugačije. Koje kriterije (distribucija veličine klastera, kompatibilnost bušotina, prostorna konzistentnost) trebam razmotriti kako bih procijenio koji je klaster geološki uravnoteženiji? Predložite postupak odlučivanja.
4) Kontrola prekomjernog opremanja:
Trenirao sam klasifikator facijesa s [N] obilježja i [M] jažica. Kako mogu izmjeriti rizik od prekomjernog opremanja? Kako mogu postaviti slijepi test bušotine, kako mogu ograničiti broj atributa na temelju broja jažica? Dajte djelotvorne korake.
Slab upit / Jak upit
Slab upit:
Pronađite rezervoar u ovom volumenu i kartirajte ga.
“Pronaći” očekuje magiju u jednom koraku; AI proizvodi statističku kartu bez geološkog konteksta, ne može se provjeriti.
Snažan upit:
Vaša uloga: stručnjak za tumačenje usmjeren na ležišta. Kontekst: fluvijalni sustav, pijesak ciljnog kanala, litologija poznata u 3 bušotine. Zadatak: (1) predložiti kombinaciju atributa koji će istaknuti geometriju kanala; (2) napisati korake za izdvajanje facijesa kandidata nenadziranim klasteriranjem; (3) Recite mi kako da testiram svakog kandidata s 3 jažice i slijepom 4. jažicom. Predstavite rezultat jezikom "kandidata", a ne jezikom "geoloških činjenica".
Geološki kontekst, kontrola bušotine i zahtjev za slijepim testiranjem čine izlaz branjivim.
Zadaci tumačenja i uloga umjetne inteligencije
Potraga
AI doprinos
Glavni rizik
provjera
Praćenje horizonta
velika brzina
Preskakanje ciklusa
Pa kravata, vizualni pregled odjeljka
otkrivanje kvara
Generiranje kandidata
Nemojte zamijeniti svoj otisak s greškom
Smjer/unakrsna kontrola podataka
Klasifikacija lica
grupiranje
besmislena klasa
Bušotina i taložna okolina
Spajanje atributa
jaka razlika
pretjerano opremanje
ispitivanje slijepe bušotine
Uobičajene greške
- Automatsko širenje horizonta bez vizualnog pregleda. Preskakanje ciklusa daje glatku, ali nepreciznu površinu.
- Miješajući svaki linearni uzorak s greškom. Otisak akvizicije daje pravilne linije, pogledajte njegov smjer.
- Pripisivanje izravnog geološkog značenja klasi facijesa. Klasa je statistička; Imajte smisla s bunarom.
- Više atributa, manje bunara. Prekomjerno opremanje pretvara kartu u smeće između bunara.
- Preskočite slijepi test. Točnost mjerenja samo u bušotinama za vježbanje dovodi u zabludu.
Ukratko
AI u seizmičkoj interpretaciji; Smanjuje praćenje horizonta/rasjeda na sate, brzo grupira facijese i snažno kombinira atribute. Ali svako povećanje brzine ima zamku: preskakanje ciklusa, pogrešno zamjenu otiska stopala za grešku, besmislene facije, pretjerano opremanje. AI proizvodi statistički pregled; On je tumač koji nacrt pretvara u geološku stvarnost, daje mu smisao uz pomoć znanja o bušotini i okolini taloženja i testira ga slijepim testom. Ultimativni podzemni model uvijek je onaj koji je uspostavio i branio čovjek.
Zadatak aplikacije
Odaberite cilj (pijesak u kanalu, soda bikarbona itd.). Napravite plan atributa s predloškom "Savjetovanje o odabiru atributa". Zatim upotrijebite predložak „Facies class count testing” za nenadzirano klasteriranje i usporedite najmanje dva različita razreda; Zapišite koji je geološki stabilniji i kojim ćete ispitivanjem bušotine to provjeriti.
popis za provjeru
- [ ] Vizualno sam pregledao automatski horizont u ključnim dijelovima i ispravio preskakanje ciklusa.
- [ ] Odvojio sam kandidate greške od otiska s podacima o smjeru i križanju.
- [ ] Interpretirao sam klase facijesa s bušotinom i okolišem taloženja.
- [ ] Ograničio sam broj atributa na temelju broja jažica.
- [ ] Testirao sam rezultat u slijepoj bušotini.