Dobici:
- Sposobnost objašnjenja kako se 3D distribucija svojstava ležišta (poroznost, propusnost, zasićenost vodom) modelira AI i geostatistikom
- Sposobnost lociranja širenja značajki s facijesnim modeliranjem, variogramom, krigingom i strojnim učenjem
- Sposobnost provjere rezultata modela ležišta s materijalnom bilancom, ispitivanjem bušotine i scenarijima nesigurnosti
Da bismo proizveli naftno ili plinsko polje, prvo moramo izgraditi njegov 3D model: gdje se nalazi ležišna stijena, koliko je porozna (poroznost), koliko lako tekućina teče (propusnost/propusnost) i koliko je pora ispunjeno ugljikovodicima (1 − zasićenost vodom). Ali te značajke možemo mjeriti samo na mjestima gdje bušimo bušotine; Ogroman volumen između bunara je prazan i mora se napuniti. Karakterizacija ležišta je uzimanje točkastih mjerenja u bušotinama i njihovo proširenje na cijeli volumen korištenjem geološke logike i statistike. U ovoj jedinici koristimo umjetnu inteligenciju i geostatistiku (granu statistike koja modelira prostorne podatke s nesigurnošću) u ovom radu diseminacije. Nepromjenjivo načelo: svaka vrijednost od izvora do izvora je procjena, a ne stvarna; Nesigurnost je dio modela i testira se fizičkom ravnotežom.
Osnovni pojmovi
- Facijes: Vrsta stijene s jedinstvenim svojstvima koja je nastala u određenom okolišu taloženja (npr. pijesak riječnog kanala, morski škriljevac, grebenski vapnenac). Kvaliteta ležišta usko je povezana s facijesom: kanal dobro odvodi pijesak, ali ne i škriljevac.
- Variogram: Mjera prostornog kontinuiteta koja opisuje kako se sličnost značajki smanjuje kako se udaljenost između dvije točke povećava. To je osnovni alat geostatistike.
- Kriging: Metoda koja procjenjuje vrijednost na neuzorkovanim točkama pomoću variograma, zajedno s nesigurnošću procjene.
- Stohastička simulacija: Izrada mnogo jednako vjerojatnih modela (realizacija) kompatibilnih s podacima, umjesto jedne "najbolje" pretpostavke; Čini neizvjesnost vidljivom.
- Materijalna bilanca: odnos očuvanja između fluida proizvedenog iz ležišta, pada tlaka i preostalog volumena; fizičko sidro koje samostalno testira volumen modela.
Savjet: model ležišta je distribucija nesigurnosti, a ne jedan broj. Točan jezik je "P90=35, P50=50, P10=72 milijuna barela", a ne "Rezerva 50 milijuna barela". Zamolite AI za scenarij/distribuciju, a ne procjenu u jednoj točki.
Kako umjetna inteligencija i geostatistika rade zajedno
Klasična geostatistika (kriging, variogram) je moćna, ali se bori s multivarijatnim, nelinearnim odnosima. Ovo je mjesto gdje strojno učenje stupa na scenu:
- Klasifikacija facijesa: Dodjeljivanje facijesa iz skupa dnevnika (nadzirano učenje); Zatim distribuirajte značajku koristeći facijes kao vodič.
- Procjena atributa: Procjena poroznosti između bušotina iz seizmičkog atributa + odnosa karotaža (seizmičko modeliranje).
- Popunjavanje praznina: Dovršavanje karotaža koji nedostaju razumno iz susjednih bušotina i odnosa.
Ali strojno učenje ne poznaje geološku logiku. Karta poroznosti izrađena modelom je netočna ako nije u skladu s okolišem taloženja (npr. visoka propusnost u facijesu škriljevca). Geološka vjerodostojnost je prvi filtar izlaza umjetne inteligencije.
Korak po korak: tijek rada modela ležišta
- Strukturni kostur. Utvrditi geometriju ležišta s horizontima i rasjedima iz seizmike (izlaz iz jedinice 3).
- Model lica. Odrediti facijes u bušotinama (log + jezgra), distribuirati na volumen s variogramom/geološkim trendom. AI ubrzava klasifikaciju.
- Implementacija značajki. Distribuirajte poroznost, propusnost, zasićenost vodom unutar svakog facijesa krigingom ili strojnim učenjem; Ako postoji seizmika, uzmite vodiča.
- Nesigurnost. Generirajte veliki broj realizacija sa stohastičkom simulacijom; Izlaze P90/P50/P10 volumeni.
- Provjera. Volumen testnog modela s materijalnom ravnotežom i podudaranjem povijesti; Usporedite s ispitivanjem propusnosti bušotine.
Tri mini kućišta: po brojevima
Slučaj 1 — Vodič vrijednosti facijesa. Kada je poroznost raspršena na mjestu izravno krigingom, visoka poroznost je "procurila" u zone škriljca niske kvalitete. Kada je prvi put uspostavljen model facijesa i kada je poroznost raspoređena unutar facijesa, model je postao realan i stohastički volumeni suženi: P50 volumen smanjen je za 12%, ali pojas nesigurnosti sužen je za 40%. Ispravna struktura dala je realnije i sigurnije rezultate.
Slučaj 2 — Ekstrapolacijska zamka. Model strojnog učenja dobro je naučio odnos poroznosti i seizmike u regiji gdje su bušotine koncentrirane; ali kada se nanese na rubni blok bez bušotine, pao je izvan raspona obuke (ekstrapolacija) i proizveo nerealnu poroznost od 28%. Geolog je pokazao da se taj blok nalazi u drugoj zoni facijesa; model je bio nevažeći u toj regiji. Granica ekstrapolacije je označena.
Slučaj 3 — Konflikt materijalne bilance. Bogati 3D model P50 rezervi je dao 68 milijuna barela; međutim, rani pad tlaka proizvodnje na polju ukazao je na sustav s najviše ~45 milijuna barela u materijalnoj bilanci. Do kontradikcije je došlo jer je model pretpostavio da su nepovezana (izolirana) pješčana tijela previše povezana. Veza je ponovno razmotrena i model je smanjen. Fizičko sidro fiksiralo je geometrijski model.
Slab upit / Jak upit
Slab upit:
Model ležišta i rezerve izvedeni su iz ovih podataka o bušotini.[podaci]
Snažan upit:
Generirajte DRAFT plan modeliranja ležišta iz (anonimizirane) bušotine i seizmičkog sažetka u nastavku. Pravila: - Prvo izradite model lica; Distribuirajte poroznost/propusnost UNUTAR facijesa. Ispiranje ugljikovodika u facijes škriljevca/niske kvalitete.- Opravdanje parametara variograma (smjer, raspon) iz geološkog trenda, ne iz podataka; Pretpostavke napišite JASNO.- Predstavite rezultat kao distribuciju volumena P90/P50/P10, a ne jedan broj.- Označite rizik ekstrapolacije u regijama bez dobrog bunara.- Napišite kako to provjeriti pomoću materijalne bilance/povijesti proizvodnje. Podaci: [sažetak]
Četiri predloška za kopiranje
1) Nacrt klasifikacije facijesa:
Predložite pristup klasifikaciji facijesa iz sljedećeg skupa trupaca. Zapišite zapisnike koji će se koristiti, definicije klasa i potrebu za označavanjem jezgre. Navedite rizik od zabune između klasa i provjere geološke vjerodostojnosti. Podaci: [log set]
2) Obrazloženje variograma:
Kada uspostavljate variogram za ove podatke o poroznosti, povežite odabir smjera i raspona sa smjerom geoloških padalina. Objasnite rizik pretpostavke izotropnosti. Navedite granicu pouzdanosti variograma s malo podataka. Podaci: [poroznost]
3) Scenarij neizvjesnosti:
Generirajte distribuciju volumena P90/P50/P10 za sljedeće unose volumena (površina, debljina, poroznost, zasićenost, faktor konverzije). Zatražite raspon nesigurnosti svakog ulaza, nemojte ga pretpostavljati. Rangiraj najutjecajniji izvor neizvjesnosti (tornado). Unos: [vrijednosti]
4) Provjera ravnoteže materijala:
Usporedite sljedeći volumen 3D modela s danim ranim podacima o proizvodnji i padu tlaka za materijalnu bilancu. Ako postoji nekompatibilnost, navedite moguće razloge (priključak, potpora vodonosniku, pogreška volumena). Model: [volumen], proizvodnja/tlak: [podaci]
Verifikacijski slojevi modela ležišta
sloj
Kakvi testovi
metoda
Geološka vjerodostojnost
Konzistentnost facijesa
Stručni pregled
podaci o bušotini
Sukladnost mjerenja na mjestu
Usporedba dnevnik/jezgra
dobro ispitati
Stvarna propusnost/pritisak
Ispitivanje prijelaza tlaka
Materijalna ravnoteža
očuvanje volumena
Odnos pritisak-proizvodnja
Povijest proizvodnje
dinamično ponašanje
Usklađivanje povijesti
Uobičajene greške
- Preskakanje lica. Distribuirajte značajke bez facies vodiča i propuštajte ugljikovodike sa stvarima.
- Predviđanje u jednoj točki. Izvještavanje o jednom broju rezervi umjesto distribucije nesigurnosti.
- Ekstrapolacija. Slijepa primjena modela na blokove izvan raspona podataka za obuku.
- Preskakanje materijalne bilance. Ne testira se volumen 3D modela s fizičkom ravnotežom.
- Ostavite variogram na automatizmu. Odabir smjera/raspona bez geološkog trenda.
Ukratko
- Karakterizacija ležišta je proširenje točkastih mjerenja u bušotinama na cijeli volumen s geologijom i geostatistikom.
- AI i strojno učenje moćni su u klasifikaciji facijesa i predviđanju značajki; ali geološka vjerodostojnost je prvi filter.
- Distribuirajte značajke unutar facijesa; Izvijestite o nesigurnosti kao P90/P50/P10 distribuciji.
- Označite granice ekstrapolacije; Nemojte naslijepo koristiti model izvan raspona treninga.
- Materijalna bilanca i povijest proizvodnje fizička su sidra koja testiraju geometrijski model.
Zadatak aplikacije
Uzmite podatke o poroznosti/facijesu iz nekoliko bušotina (reprezentativnih) polja. Imajte plan modeliranja generiran pomoću moćnog odzivnika. Zatim: (1) provjerite je li poroznost raspoređena unutar facijesa, (2) zatražite rezervu kao P90/P50/P10, a ne jedan broj, (3) grubo navedite volumen koji daje model jednostavnom logikom bilance materijala (proizvedeno + preostalo). Dodajte upozorenje o ekstrapolaciji za barem jedno područje bez bunara.
popis za provjeru
- [ ] Razumijem da je model ležišta procjena od bunara do bunara i nosi nesigurnost.
- [ ] Distribuiram značajke s vodičem za facijes, ne propuštam ih u facijese niske kvalitete.
- [ ] Rezervu prijavljujem kao distribuciju P90/P50/P10, a ne jedan broj.
- [ ] Označavam granice ekstrapolacije.
- [ ] Provjeravam volumen modela s materijalnom bilancom i poviješću proizvodnje.