Nyereség:
- Képes elmagyarázni, hogyan modellezhető a tározó tulajdonságainak (porozitás, permeabilitás, víztelítettség) 3D-s eloszlása mesterséges intelligencia és geostatisztika segítségével
- Képesség a jellemzők elterjedésének lokalizálására fácies-modellezéssel, variogrammal, kriginggel és gépi tanulással
- Képes ellenőrizni a tározómodell kimeneteit anyagmérleggel, kúttesztekkel és bizonytalansági forgatókönyvekkel
Olaj- vagy gázmező készítéséhez először 3D-s modellt kell készítenünk róla: hol található a tározókőzet, mennyire porózus (porozitás), milyen könnyen áramlik a folyadék (permeabilitás/permeabilitás), és a pórusok mekkora része van kitöltve szénhidrogénnel (1-víztelítettség). De ezeket a jellemzőket csak azokon a pontokon tudjuk mérni, ahol kutakat fúrunk; A kutak közötti hatalmas térfogat üres, és fel kell tölteni. A tározójellemzés a kutakban pontmérések készítése és azok kiterjesztése a teljes térfogatra geológiai logika és statisztika segítségével. Ebben az egységben a mesterséges intelligenciát és a geostatisztikát (a téradatokat bizonytalansággal modellező statisztika ágát) alkalmazzuk ebben a disszeminációs munkában. A változatlan elv: minden kúttól kútig érték becslés, nem tényleges; A bizonytalanság a modell része, és a fizikai egyensúly teszteli.
Alapfogalmak
- Fáciák: Egyedülálló tulajdonságokkal rendelkező kőzettípus, amely meghatározott lerakódási környezetben keletkezett (pl. mederhomok, tengeri pala, zátonymészkő). A tározó minősége szorosan kötődik a fácieshez: a csatorna jól elvezeti a homokot, de az agyagpalát nem.
- Variogram: A térbeli folytonosság mértéke, amely leírja, hogy a jellemzők hasonlósága hogyan csökken két pont távolságának növekedésével. Ez a geostatisztika alapvető eszköze.
- Kriging: Olyan módszer, amely a variogram segítségével megbecsüli az értéket a mintavétel nélküli pontokon, a becslési bizonytalansággal együtt.
- Sztochasztikus szimuláció: Az adatokkal kompatibilis sok egyformán valószínű modell (realizáció) előállítása egyetlen „legjobb” feltételezés helyett; Láthatóvá teszi a bizonytalanságot.
- Anyagegyensúly: A tartályból előállított folyadék, a nyomásesés és a maradék térfogat közötti konzerválási kapcsolat; fizikai horgony, amely függetlenül teszteli a modell térfogatát.
Tipp: A tározómodell egy bizonytalansági eloszlás, nem egyetlen szám. A helyes nyelv a "P90=35, P50=50, P10=72 millió hordó", nem pedig a "tartalék 50 millió hordó". Kérjen az AI-tól egy forgatókönyvet/eloszlást, ne egyetlen pontbecslést.
Hogyan működik együtt a mesterséges intelligencia és a geostatisztika
A klasszikus geostatisztika (kriging, variogram) erőteljes, de többváltozós, nemlineáris kapcsolatokkal küzd. Itt jön képbe a gépi tanulás:
- Fáciák osztályozása: Facies hozzárendelése a naplókészletből (felügyelt tanulás); Ezután terjessze a funkciót a facies segítségével.
- Attribútumbecslés: A kutak közötti porozitás becslése szeizmikus attribútum + log kapcsolat alapján (szeizmikus vezérelt modellezés).
- Hiánypótlás: A szomszédos kutakból és kapcsolatokból származó hiányzó rönk tartományok ésszerű kiegészítése.
De a gépi tanulás nem ismeri a geológiai logikát. A modell által készített porozitástérkép hibás, ha nem konzisztens a lerakódási környezettel (pl. nagy permeabilitás a pala fáciesben). A geológiai elfogadhatóság az AI kimenet első szűrője.
Lépésről lépésre: A tározómodell munkafolyamata
- Szerkezeti csontváz. Határozza meg a tározó geometriáját a horizontokkal és a szeizmikus hibákkal (kimenet a 3. blokkból).
- Facies modell. Határozzuk meg a fáciest a kutakban (log + mag), oszlassuk el térfogatra variogrammal/geológiai trenddel. Az AI felgyorsítja az osztályozást.
- Funkció telepítése. Ossza el a porozitást, az áteresztőképességet, a víztelítettséget az egyes fácieseken belül krigelés vagy gépi tanulás segítségével; Ha van szeizmikus, kérjen útmutatót.
- Bizonytalanság. Nagyszámú megvalósítás létrehozása sztochasztikus szimulációval; P90/P50/P10 kötetek kerülnek kiadásra.
- Ellenőrzés. Tesztmodell kötet anyagmérleggel és történeti egyezéssel; Hasonlítsa össze a kút áteresztőképességével.
Három mini tok: a számok szerint
1. eset – Facies útmutató értéke. Amikor a porozitást egy helyen közvetlenül krigelés útján diszpergálták, a nagy porozitás „szivárgott” a rossz minőségű palazónákba. Amikor a fácies modellt először létrehozták és a porozitást a fáciesen belül elosztották, a modell valósághűvé vált, és a sztochasztikus térfogatok szűkültek: a P50 térfogata 12%-kal csökkent, de a bizonytalansági sáv 40%-kal szűkült. A helyes szerkezet reálisabb és biztonságosabb eredményeket is hozott.
2. eset – Extrapolációs csapda. A gépi tanulási modell jól megtanulta a porozitás-szeizmikus kapcsolatot abban a régióban, ahol a kutak koncentrálódnak; de kút nélküli éltömbre alkalmazva az edzési tartományon kívülre esett (extrapoláció), és irreális, 28%-os porozitást produkált. A geológus kimutatta, hogy az a blokk egy másik fácieszónában van; a modell érvénytelen volt az adott régióban. Az extrapolációs határ meg van jelölve.
3. eset – Anyagegyensúly-ütközés. Egy gazdag 3D-s modell P50 tartalékai 68 millió hordót eredményeztek; a mező korai termelési nyomásesése azonban legfeljebb ~45 millió hordós anyagmérlegű rendszerre utalt. Az ellentmondás azért jött, mert a modell a szétkapcsolt (izolált) homoktesteket túlságosan összekapcsoltnak feltételezte. A kapcsolatot átgondolták és a modellt kisebbre szabták. A fizikai horgony rögzítette a geometriai modellt.
Gyenge felszólítás / Erős felszólítás
Gyenge felszólítás:
A tározómodell és a készlet ebből a kútadatokból származik.[data]
Erőteljes felszólítás:
Készítsen tározómodellezési DRAFT tervet az alábbi (anonimizált) kútból és szeizmikus összefoglalóból. Szabályok: - Első felépítésű facies modell; Ossza el a porozitást/permeabilitást a fáciesen belül. Szénhidrogén jellemző kimosódás agyagpalába/rossz minőségű fáciesbe.- A variogram paramétereit (irány, tartomány) geológiai trendből indokolja, ne adatokból; Írja le világosan a feltételezéseket.- Az eredményt P90/P50/P10 térfogateloszlásként mutassa be, ne egyetlen számként.- Jelölje meg az extrapoláció kockázatát a kút nélküli régiókban.- Írja le, hogyan kell ellenőrizni az anyagmérleggel/termelési előzményekkel.Adatok: [összefoglaló]
Négy másolható sablon
1) Facies besorolási tervezet:
Javasoljon egy fácies osztályozási megközelítést a következő naplókészletből. Jegyezze fel a használni kívánt naplókat, az osztálydefiníciókat és az alapvető címkézés szükségességét. Határozza meg az osztályok és a geológiai plauzibilitási ellenőrzés közötti összetéveszthetőség kockázatát. Adatok: [naplókészlet]
2) Variogram indoklás:
Amikor ezekre a porozitási adatokra variogramot állít fel, kapcsolja össze az irányt és a tartomány kiválasztását a geológiai csapadék irányával. Magyarázza el az izotróp feltételezés kockázatát. Határozza meg a variogram megbízhatóságának határát kevés adattal. Adatok: [porozitás]
3) Bizonytalansági forgatókönyv:
P90/P50/P10 térfogateloszlás generálása a következő térfogat-bemenetekhez (terület, vastagság, porozitás, telítettség, konverziós tényező). Kérdezze meg az egyes bemenetek bizonytalansági tartományát, ne feltételezze. Rangsorolja a bizonytalanság legbefolyásosabb forrását (tornádó). Bemenet: [értékek]
4) Anyagegyensúly keresztellenőrzés:
Hasonlítsa össze az alábbi 3D modell térfogatát a megadott korai gyártási és nyomásesési adatokkal az anyagmérleghez. Ha inkompatibilitás van, sorolja fel a lehetséges okokat (bekötés, víztartó támaszték, térfogathiba). Modell: [térfogat], gyártás/nyomás: [adatok]
A tározómodell ellenőrző rétegei
réteg
Milyen tesztek
módszer
Geológiai elfogadhatóság
Facies-vonás konzisztencia
Szakértői vélemény
kútadatok
A helyszíni mérés megfelelősége
Napló/mag összehasonlítás
jól teszt
Tényleges permeabilitás/nyomás
Nyomás átmeneti teszt
Anyagi egyensúly
kötetmegőrzés
Nyomás-termelés kapcsolat
Gyártástörténet
dinamikus viselkedés
Előzmények egyeztetése
Gyakori hibák
- Facies kihagyás. Ossza el a funkciókat facies útmutató nélkül, és szivárogjon szénhidrogéneket dologgal.
- Egypontos előrejelzés. Egyetlen számú tartalék bejelentése bizonytalansági eloszlás helyett.
- Extrapoláció. A modell vak alkalmazása a betanítási adattartományon kívüli blokkokra.
- Anyagmérleg kihagyása. Nem teszteljük a 3D-s modell térfogatát fizikai egyensúly mellett.
- Hagyja a variogramot automatikusra. Irány/tartomány kiválasztása geológiai trend nélkül.
Összefoglalva
- A tározó jellemzése a kutak pontmérésének kiterjesztése a teljes térfogatra geológiai és geostatisztikai szempontokkal.
- A mesterséges intelligencia és a gépi tanulás erősek a fácies osztályozásban és a jellemzők előrejelzésében; de a geológiai plauzibilitás az első szűrő.
- Jellemzők elosztása a fáciesen belül; Jelentse a bizonytalanságot P90/P50/P10 eloszlásként.
- Jelölje be az extrapolációs határokat; Ne használja vakon a modellt az edzési tartományon kívül.
- Az anyagegyensúly és a gyártástörténet olyan fizikai horgony, amely teszteli a geometriai modellt.
Pályázati feladat
Vegyen egy mező több (reprezentatív) kútjából a porozitás/fácies adatot. Készítsen modellezési tervet a hatékony prompt segítségével. Ezután: (1) ellenőrizze, hogy a porozitás eloszlik-e a fáciesen belül, (2) kérjen tartalékot P90/P50/P10-ként, nem egy számot, (3) egyszerű anyagmérleg (előállított + maradék) logikával nagyjából adja meg a modell által megadott térfogatot. Adjon hozzá extrapolációs figyelmeztetést legalább egy kút nélküli régióhoz.
ellenőrző lista
- [ ] Megértem, hogy a tározómodell egy jó becslés, és bizonytalanságot hordoz.
- [ ] A jellemzőket a fáciesútmutatóval terjesztem, nem szivárogatom ki gyenge minőségű fáciesbe.
- [ ] A tartalékot P90/P50/P10 eloszlásként jelentem, nem egy számot.
- [ ] Kijelölöm az extrapolációs határokat.
- [ ] A modellmennyiséget az anyagmérleggel és a gyártástörténettel igazolom.