Nyereség:
- Képes megkülönböztetni a ciklusátugrást az automatikus horizontkövetésben és a megszerzési lábnyomot a hibaészlelésben a valós szerkezettől, és manuálisan ellenőrizni
- Értse meg, hogy a szeizmikus fácies osztályok statisztikai jellegűek, és tudjon geológiai jelentést adni a kutak és a lerakódási környezetek ismeretében.
- Lehetőség a túlillesztés kockázatának tesztelésére a vakkútteszttel kombinálva, és korlátozni tudja a jellemzők számát a kutak számának megfelelően
A feldolgozás befejeződött; Tiszta, migrált szeizmikus térfogata van. Most kezdődik az igazi kérdés: mit mond ez a kép az undergroundról? Hol vannak a réteghatárok, milyen irányban nyúlnak ki a törések, melyik terület homok, melyik agyag, hol lehet tározó? A szeizmikus értelmezés a felszín alatti szerkezeti és üledékes (sztratigráfiai) modelljének kinyerésének folyamata a migrált adatokból. Ebben az egységben látni fogjuk, hogy a mesterséges intelligencia (AI) hogyan készít „gyors első vázlatot” a horizont és a hibakövetés, a szeizmikus fácies osztályozás és az attribútumelemzés terén, de ki építi fel a geológiai jelentést és a végső modellt.
Az értelmezés építőkövei
Tisztázzuk a feltételeket. A horizont a szeizmikus szakaszon megfigyelt folytonos visszaverő felület, amely általában egy geológiai réteghatárnak felel meg. A hiba a folytonossági síkja, ahol a rétegek megszakadnak és eltolódnak; Olyan helyeken jelenik meg, ahol a visszaverődés megszakad vagy eltolódik a keresztmetszetben. A szeizmikus fáciesek olyan térfogati régiók, amelyek hasonló hullámkarakterrel (amplitúdó, folytonosság, textúra) rendelkeznek, és általában hasonló üledékes környezetet tükröznek. A szeizmikus attribútumok olyan nyomokból származó mérések, amelyek a szemet bizonyos jellemzőkre irányítják (szakadás, meredekség, amplitúdó, frekvencia); például a koherencia/kontinuitás attribútum kiemeli a hibákat, a spektrális dekompozíció pedig a csatornageometriákat.
AI horizonton és hibakövetésben
A kézi horizontkövetés az, amikor a tolmács szakaszonként követi a tükröződést, és több ezer pontot jelöl meg – pontosan, de lassan. A mesterséges intelligencia alapú automatikus nyomkövetők néhány kezdőponttól indulhatnak, és a teljes kötetre terjedhetnek; A hibaészlelés során a CNN-alapú modellek (képminta-tanuló hálózatok) megszakításokat jelezhetnek a kötetben. Ezzel órákra vágja azt, ami korábban hetekig tartott.
Van azonban két csapda. Először is, az automatikus nyomkövető kerékpárral átugorhat egy horizontot – az egyik hullámhegyről a szomszédos csúcsra váltva; Az eredmény egy látszólag sima, de geológiailag pontatlan felület. Másodszor, a hibaérzékelő összetévesztheti a feldolgozás által generált lineáris zajt (pl. adatgyűjtési lábnyom) hibának. Ezért minden mesterséges intelligencia által generált felületet és hibahálózatot manuálisan ellenőriznek a kereszteződésekben (hibahorizont metszéspont) és a kutak helyein.
Tipp: Vizuálisan figyelje meg az automatikusan nyomon követett horizontot több kulcsfontosságú szakaszban úgy, hogy magára az adatra helyezi. A felület ciklust kihagyott, ahol erős visszaverődést hagy maga után, és gyenge csúcsra ugrik; Ne terjessze szét a térfogatot anélkül, hogy ezeket a területeket manuálisan korrigálná.
Szeizmikus fácies osztályozás
A fácies osztályozás feladata a térfogat hullámkarakter szerinti régiókra osztása. A felügyelt megközelítésben ismert litológiákból címkéket rendel hozzá a kutakhoz, és betanítja a modellt; Felügyelet nélküli megközelítésben maga a modell csoportosítja a hasonló jellemzőkkel rendelkező régiókat, és később ad geológiai jelentést. Az AI itt nagy sebességet biztosít, de az osztályok statisztikai hasonlóság, nem geológiai tény. A modell által "fácies 3"-nak nevezett régió csak a kút és a lerakódási környezet ismeretében nyer olyan jelentést, mint a "csatornahomok".
Figyelem: Ön adja meg a nem felügyelt klaszterezési osztályok számát; A különböző számú osztály teljesen más térképeket készít. Ne zárkózz be egyetlen klaszterbe; Módosítsa az osztályok számát, és ellenőrizze, hogy az eredmény geológiailag stabil-e.
Buktató a jellemzőelemzésben: többváltozós kapcsolat
Az AI több tucat funkciót képes kombinálni, és hatékony osztályozókat építeni. De a nagyszámú jellemzők kis számú kúthoz való illesztése túlillesztést eredményez - a modell képtelen megjegyezni a képzési példákat és általánosítani az új adatokra: a térkép tökéletes a kutakban, és értelmetlen a kutak között. Szabály: a jellemzők számát tartsa arányos a kontrolladatokkal (kút), és tesztelje a térképet egy független kútban (vakteszt).
három mini tok
1. eset – Horizont nyomon követése órákig. A 900 km²-es fő tározó horizontját 9 nap alatt kézzel jelölték ki. Az AI-tracker 3 óra alatt 6 magpontról szórja szét a felületet; A bíráló manuálisan korrigálta a 14 ciklusos kihagyási területet. Eredmény: ugyanaz a pontosság, napok helyett egy nap.
2. eset – A lábnyom összetévesztése hibával. Egy hibaérzékelő szabályos észak-déli vonalakat jelölt ki. A kommentátor észrevette, hogy ezek a sorok pontosan megfelelnek a felvételi sortávolságnak: nem hibákról, hanem felvételi lábnyomokról van szó. A tényleges hibák erre a szabályos mintára merőlegesen futottak; Amikor a lábnyomot megszüntették, a hibatérkép értelmessé vált.
3. eset – Túlillesztési fáciestérkép. Egy 22 jellemzővel és mindössze 5 kúttal kiképzett osztályozó 98%-os pontosságot adott a kutaknál, de a hatodik (vak) kútban a homokkövet agyagkőnek minősítette. Amikor a jellemzők számát 6-ra csökkentették és áttanították, a vakkút pontossága 61%-ról 88%-ra nőtt: a térkép a kutak között is megbízható volt.
Négy másolható sablon
1) Tulajdonságválasztási konzultáció:
Az Ön szerepe: szeizmikus interpretációs szakértő. Célom: [folyócsatorna homok/karbonát tározó]. Milyen szeizmikus jellemzőket (koherencia, spektrális dekompozíció, RMS amplitúdó, meredekség) és milyen sorrendben használjam ennek a célnak a kiemelésére? Mit jelképeznek az egyes attribútumok, milyen félrevezető mintát idézhetnek elő? Magyarázd el röviden.
2) Automatikus horizont ellenőrzés:
Van egy automatikusan követett horizontom. Adjon egy ellenőrző listát a cikluskihagyás észleléséhez: mely szakaszokban, milyen tüneteket kell keresnem (amplitúdócsökkenés, hirtelen mélységugrás), hogyan erősítsem meg a kútkötéssel, és milyen sorrendben végezzem el a korrekciót?
3) Facies osztályszám tesztelése:
Felügyelet nélküli fáciescsoportosítást végzek. Kipróbáltam a 4-es, 6-os és 8-as osztályok számát, másképp jöttek ki a térképek. Milyen kritériumokat (klaszterméret-eloszlás, kútkompatibilitás, térbeli konzisztencia) kell megvizsgálnom, hogy értékeljem, melyik klaszter geológiailag kiegyensúlyozottabb? Javasoljon döntési eljárást.
4) Túlszerelés vezérlése:
Kidolgoztam egy [N] jellemzőkkel és [M] kúttal rendelkező fáciesosztályozót. Hogyan mérhetem a túlszerelés kockázatát? Hogyan állíthatok be vakkúttesztet, hogyan korlátozhatom az attribútumok számát a kutak száma alapján? Adjon végrehajtható lépéseket.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
Keresse meg a tározót ebben a kötetben, és térképezze fel!
A „Find” egylépéses varázslatot vár; Az AI statisztikai térképet készít geológiai kontextus nélkül, nem ellenőrizhető.
Erőteljes felszólítás:
Az Ön szerepe: tározófókuszú tolmácsolási szakember. Kontextus: folyórendszer, célcsatorna homok, 3 kútban ismert litológia. Feladat:(1) javasoljon attribútumok kombinációját, amely kiemeli a csatorna geometriáját; (2) írja meg a lépéseket a jelölt fáciesek felügyelet nélküli klaszterezéssel történő kinyeréséhez; (3) Mondja el, hogyan kell tesztelni minden jelöltet 3 lyukkal és egy vak 4. lyukkal. Mutassa be az eredményt „jelölt” nyelven, ne „geológiai tény” nyelven.
A geológiai kontextus, a kút ellenőrzése és a vaktesztelés iránti igény teszi védhetővé a kimenetet.
Az értelmezési feladatok és az AI szerepe
Quest
AI hozzájárulás
Fő kockázat
ellenőrzése
Horizont követés
nagy sebesség
Kerékpározás
Kútkötés, szemrevételezéses metszetvizsgálat
hibafelismerés
Jelöltek generálása
Ne tévessze össze lábnyomát hibával
Irány/kereszt adatvezérlés
Facies osztályozás
klaszterezés
értelmetlen osztály
Kút és lerakódási környezet
Attribútumok összevonása
erős megkülönböztetés
túlillesztés
vakkút teszt
Gyakori hibák
- A horizont automatikus szétterítése szemrevételezés nélkül. A cikluskihagyás sima, de pontatlan felületet eredményez.
- Minden lineáris mintát hibának téveszt. Az akvizíciós lábnyom szabályos vonalakat produkál, nézd meg az irányát.
- Közvetlen geológiai jelentés tulajdonítása a fáciesosztálynak. Az osztály statisztikai jellegű; Legyen értelme a kúttal.
- Több tulajdonság, kevesebb kút. A túlillesztés szemétté változtatja a térképet a kutak között.
- Kihagyja a vaktesztet. A mérési pontosság csak gyakorlókutakban félrevezető.
Összefoglalva
AI a szeizmikus értelmezésben; Órákra csökkenti a horizont/hibakövetést, gyorsan csoportosítja a facieseket, és hatékonyan kombinálja az attribútumokat. De minden sebességnövekedésnek megvan a csapdája: kerékpárkihagyás, lábnyom összetévesztése hibával, értelmetlen faciák, túlillesztés. Az AI statisztikai vázlatot készít; Ő az a tolmács, aki a huzatot geológiai valósággá alakítja, a kút és a lerakódási környezet ismeretében értelmezi, vakpróbával teszteli. A végső földalatti modell mindig az, amelyet az ember hozott létre és véd.
Pályázati feladat
Válasszon ki egy célpontot (csatorna homok, szódabikarbóna stb.). Hozzon létre egy attribútumtervet az „Attribútumválasztási konzultáció” sablonnal. Ezután használja a „Facies class count testing” sablont a felügyelet nélküli klaszterezéshez, és hasonlítson össze legalább két különböző osztályszámot; Írja le, hogy melyik a geológiailag stabilabb, és melyik kútteszttel fogja ezt igazolni.
ellenőrző lista
- [ ] Szemrevételezéssel megvizsgáltam az automatikus horizontot a legfontosabb szakaszokban, és kijavítottam a cikluskihagyást.
- [ ] Elválasztottam a hibajelölőket a lábnyomtól irány- és keresztezési adatokkal.
- [ ] A fácies osztályokat a kúttal és a depozíciós környezettel értelmeztem.
- [ ] Az attribútumok számát a kutak száma alapján korlátoztam.
- [ ] Az eredményt egy vakkútban teszteltem.