Keuntungan:
- Kemampuan menjelaskan alur kerja dalam memprediksi porositas, permeabilitas, dan sifat reservoir dengan AI
- Kemampuan untuk memposisikan pembelajaran mesin dalam interpretasi log sumur, klasifikasi fasies, dan perkiraan produksi
- Kemampuan untuk memverifikasi keluaran reservoir melalui batas fisik, pengujian sumur dan analisis ketidakpastian
Reservoir minyak atau gas adalah harta karun tak kasat mata berupa cairan yang terperangkap dalam batuan berpori, bermil-mil di bawah permukaan. Kita tidak bisa melihatnya secara langsung; Kami hanya "membacanya" dengan log, inti, bayangan seismik, dan data produksi yang kami terima dari sumur. Karakterisasi reservoir adalah tugas untuk merekonstruksi dari pengukuran tidak langsung ini berapa banyak fluida yang ditampung oleh batuan (porositas), seberapa mudah batuan melepaskan fluida (permeabilitas), dan seperti apa struktur tiga dimensi reservoir tersebut. AI sangat berguna dalam bidang ini: menafsirkan log sumur, mengklasifikasikan fasies (kumpulan jenis batuan), memprediksi hubungan porositas-permeabilitas, dan memodelkan tren produksi. Namun reservoir, seperti bidang geologi lainnya, penuh dengan ketidakpastian, dan tidak setiap prediksi dapat menjadi dasar pengambilan keputusan tanpa dikaitkan dengan batas fisik, pengujian sumur, dan analisis ketidakpastian.
Dalam unit ini kita akan membahas tiga aspek AI dalam studi reservoir: interpretasi log sumur dan klasifikasi fasies (ekstraksi jenis dan sifat batuan dari log), prediksi porositas-permeabilitas (prediksi kualitas reservoir), dan prediksi produksi (berapa banyak produksi sumur di masa depan). Geostatistik juga merupakan tulang punggung; Kami mengisi ruang antar sumur dengan variogram dan simulasi. Catatan: sektor minyak dan gas sangat sensitif secara komersial; Semua sampel dipelajari dengan nilai anonim dan representatif.
Interpretasi Log Sumur dan Klasifikasi Fasies
Log sumur adalah kurva yang secara terus menerus mengukur sifat fisik batuan di sepanjang lubang: sinar gamma (kandungan tanah liat), resistivitas (jenis fluida — air/hidrokarbon), kepadatan dan neutron (porositas), sonik (kekerasan batuan). Seorang ahli geologi perminyakan membaca kurva-kurva ini bersama-sama dan mengekstraksi jenis batuan dan cairan di setiap kedalaman. Ini adalah pengenalan pola, dan AI sangat ahli dalam hal ini: secara konsisten menyortir kayu sepanjang puluhan ribu meter ke dalam fasies.
Tapi ada dua batasan. Pertama, interpretasi log adalah sebuah model, bukan pengukuran; Log yang sama mungkin terbuka untuk interpretasi fasies yang berbeda. Kedua, jika model secara membabi buta mentransfer hubungan log-fasies yang telah dipelajarinya di satu bidang ke bidang lain (lingkungan pengendapan berbeda, diagenesis berbeda), model tersebut akan membuat kesalahan serius. Oleh karena itu, keluaran fasies dikalibrasi dengan data inti; Inti adalah jangkar yang menghubungkan penafsiran log dengan kebenaran dasar.
Tip: Sebelum memercayai keluaran model fasies, tanyakan “sumur manakah yang telah diberi inti dan seberapa akurat model pada sumur tersebut?” bertanya. Estimasi fasies yang tidak didukung bukti merupakan hipotesis yang belum teruji, tidak peduli betapa masuk akalnya hal tersebut.
Porositas dan Permeabilitas: Perbedaan Paling Kritis
Dua kunci kualitas reservoir adalah porositas dan permeabilitas, dan perbedaan di antara keduanya adalah salah satu poin terpenting dalam penggunaan AI. Porositas adalah rasio rongga batuan dan dapat diperoleh dari kayu gelondongan dengan akurasi yang wajar. Permeabilitas adalah seberapa mudah fluida mengalir melalui batuan dan tidak diukur langsung dari kayu gelondongan; tetapi diperkirakan secara tidak langsung. Permeabilitas sensitif secara eksponensial terhadap perubahan kecil pada porositas dan bergantung pada geometri pori, retakan, dan sementasi.
Itu sebabnya prediksi permeabilitas dengan pembelajaran mesin menarik sekaligus berbahaya. Model ini mempelajari porositas di sumur inti dan permeabilitas dari kayu gelondongan lainnya; tetapi hubungan yang dipelajarinya bersifat spesifik pada fasies tersebut dan kondisi tekanan-suhu tersebut. Ekstrapolasi ke litologi yang berbeda atau ke sumur yang tidak memiliki inti (bergerak di luar rentang yang dipelajari) akan menghasilkan kesalahan yang besar. Estimasi permeabilitas harus dikaitkan dengan pengukuran inti dan pengujian sumur (uji penurunan tekanan/pembengkakan memberikan perilaku aliran sebenarnya).
Perhatian: Meskipun estimasi permeabilitas menghasilkan grafik yang "bagus", namun estimasi tersebut tidak dapat diandalkan jika diterapkan di luar kondisi fasies dan tekanan pada data pelatihan. Model tersebut mempelajari korelasi, bukan fakta fisik; selalu uji dengan pengujian inti dan sumur.
Prakiraan Produksi dan Ketidakpastian
Berapa banyak produksi sumur di masa depan tergantung pada berapa banyak cairan yang ditampung dan disalurkan oleh reservoir. Metode klasik (analisis kurva penurunan) memperluas tren produksi masa lalu ke masa depan; AI memperkaya tren ini dengan data multi-sumur dan belajar dari pola sumur-sumur di sekitarnya. Namun perkiraan produksi pada dasarnya tidak pasti: reservoirnya heterogen, tekanannya berubah, kondisi pengoperasiannya berubah. Oleh karena itu, kisaran probabilistik (skenario rendah/sedang/tinggi) disajikan, bukan satu kurva produksi yang “tepat”.
Geostatistik juga membawa ketidakpastian ketika mengisi volume antar sumur. Metode seperti simulasi Gaussian sekuensial menghasilkan banyak model yang kemungkinannya sama, bukan hanya satu model "rata-rata"; Perbedaan antara model-model ini adalah ketidakpastian itu sendiri. Kecerdasan buatan mempercepat dan menafsirkan simulasi ini; namun mengurangi hasil menjadi satu angka akan menciptakan keyakinan palsu dengan menyembunyikan ketidakpastian.
Tiga Kasus Mini: Berdasarkan Angka
Kasus 1 — Kesalahan ekstrapolasi. Model permeabilitas yang dilatih pada tiga sumur berinti di satu lokasi memberikan prediksi yang tampak sempurna pada sumur keempat. Namun sumur ini berada pada fasies yang lebih liat dan modelnya belum pernah melihat interval ini; pengujian sumur menunjukkan permeabilitas sebenarnya sekitar seperlima dari perkiraan. Model tersebut disalahartikan sebagai grafik yang “tampan”; Jangkar uji sumur menangkap kesalahan tersebut.
Kasus 2 — Kalibrasi fasies. Di satu ladang gas, kecerdasan buatan dengan cepat menyortir log dari 14 sumur ke dalam fasies. Jika dibandingkan dengan tiga sumur berinti, zona yang modelnya diklasifikasikan sebagai “batupasir bersih” sebenarnya merupakan unit yang retak dan berkualitas rendah. Dengan kalibrasi inti, model dilatih ulang dan perkiraan volume reservoir diturunkan ke tingkat yang realistis.
Kasus 3 — Kejujuran naskah. Dalam perkiraan produksi, model tersebut memberikan kurva tunggal dan menyatakan produksi sepuluh tahun dalam angka ganjil. Ketika tim menghasilkan skenario rendah/sedang/tinggi melalui simulasi berurutan, mereka menemukan bahwa rentangnya sangat luas (skenario tinggi kira-kira dua kali lebih rendah). Lebar ini menunjukkan bahwa pengujian sumur tambahan diperlukan dalam keputusan investasi; Angka tunggal tersebut secara berbahaya menyembunyikan ketidakpastian ini.
Prompt Lemah / Prompt Kuat
Perintah yang lemah:
Lihatlah log sumur ini, hitung permeabilitasnya, dan beri tahu saya berapa banyak yang akan dihasilkan sumur tersebut. [data catatan]
Perintah yang kuat:
Peran Anda: Asisten ahli geologi reservoir. Memberikan NOMOR PERSIS TUNGGAL untuk permeabilitas dan produksi dengan log di bawah. Sebagai gantinya:1) Nyatakan sumur mana yang dapat dikonfirmasikan inti ketika membuat interpretasi fasies.2) Jelaskan bahwa perkiraan permeabilitas tidak dapat diukur langsung dari log, dalam kondisi apa (fasies/tekanan) akan valid, dan perlunya pengujian inti/sumur.3) Tetapkan logika skenario rendah/menengah/tinggi untuk produksi, bukan kurva tunggal.4) Sebutkan 4 sumber ketidakpastian yang mempengaruhi hasil.Data bersifat anonim; Tidak ada bidang/perusahaan nyata.
Empat Templat yang Dapat Disalin
1) Pemeriksaan kalibrasi log-fasies:
Jelaskan sumur mana yang diberi inti untuk klasifikasi fasies dan bagaimana kita dapat mengukur akurasi model pada sumur tersebut. Tandai zona yang belum terverifikasi sebagai "belum diuji"; Jangan percaya begitu saja.
2) Validasi permeabilitas:
Untuk prediksi permeabilitas: tentukan fasies dan rentang tekanan yang digunakan untuk melatih model; Tandai sumur/zona mana yang berada di luar kisaran ini (ekstrapolasi). Tekankan bahwa prediksi tersebut tidak dapat dipercaya tanpa pengujian inti dan sumur di zona ini. Jangan berikan angka pastinya.
3) Draf skenario produksi:
Menetapkan logika skenario produksi rendah, sedang, tinggi dari kurva penurunan/data produksi. Jelaskan asumsi apa yang menjadi dasar setiap skenario dan apa perbedaan di antara asumsi-asumsi tersebut. Tidak menawarkan satu pun kurva yang "tepat".
4) Interpretasi simulasi ketidakpastian:
Interpretasikan keluaran dari beberapa model geostatistik yang memiliki kemungkinan yang sama (misalnya, simulasi sekuensial): seberapa luas distribusi perkiraan volume, wilayah mana yang paling tidak pasti, dan dengan data tambahan apa (seismik) ketidakpastian ini dapat dipersempit? Mengurangi menjadi satu nomor.
Spesifikasi, Pengukuran dan Verifikasi Reservoir
fitur/keluaran
Bisakah itu diukur dari log?
risiko AI
jangkar verifikasi
porositas
Berasal dengan akurasi yang wajar
Penyimpangan kalibrasi
Porositas inti
permeabilitas
Tidak, tebakan tidak langsung
Kesalahan ekstrapolasi
Uji inti + sumur
fasies
Komentar (model)
Transportasi di luar lokasi
definisi inti
Jenis cairan
Saya menyimpulkan dari resistivitas
komentar yang salah
Pengujian tekanan/sampel
Perkiraan produksi
perluasan tren
kepastian palsu
Skenario + uji sumur
Petunjuk: Untuk setiap perkiraan reservoir, "pengukuran langsung apa yang dapat menyangkal hal ini?" Ujilah dengan mengatakan. Inti untuk porositas, uji sumur untuk permeabilitas, definisi inti untuk fasies. Prediksi yang tidak dapat disangkal dengan pengukuran langsung belum dapat dikonfirmasi.
Kesalahan umum
- Melihat permeabilitas sebagai porositas. Permeabilitas tidak diukur langsung dari kayu gelondongan; Ekstrapolasi menghasilkan kesalahan yang besar, pengujian inti/sumur sangat penting.
- Menggunakan model fasies tanpa inti. Fasies yang belum dikalibrasi inti merupakan hipotesis yang belum teruji.
- Membawa hubungan yang dipelajari ke bidang lain. Lingkungan pengendapan dan diagenesis yang berbeda mengubah hubungan sifat log.
- Menyajikan produksi dengan kurva tunggal. Jika ketidakpastian tidak diberikan dengan skenario, maka keputusan investasi didasarkan pada kepastian yang salah.
- Mengurangi simulasi menjadi mean. Berbagai model menunjukkan ketidakpastian; Menguranginya menjadi satu nomor akan menghancurkan informasi.
Singkatnya
- Waduknya tidak terlihat; Itu dibaca secara tidak langsung dengan data log, inti, seismik dan produksi dan setiap prediksi membawa ketidakpastian.
- Porositas dapat diperoleh dari kayu gelondongan; Permeabilitas tidak diukur secara langsung, harus dibarengi dengan pengujian inti dan sumur.
- Klasifikasi fasies adalah sebuah model; tidak dapat diandalkan tanpa dikalibrasi oleh inti dan diangkut ke luar lokasi.
- Hubungan yang dipelajari bersifat spesifik pada kondisi pendidikan; Ekstrapolasi adalah kesalahan paling umum dan berbahaya.
- Produksi dan volume disajikan bukan dengan angka tunggal, namun dengan skenario dan simulasi probabilistik, dengan ketidakpastian yang diberikan secara jelas.
Tugas aplikasi
Dapatkan kumpulan log sumur (atau nilai representatif) yang dianonimkan. Minta model mengetahui zona mana yang berisiko diekstrapolasi dengan templat "validasi permeabilitas"; Uji apakah itu menstimulasi suatu zona dengan sengaja menempatkannya di luar jangkauan latihan. Kemudian, gunakan templat "draf skenario produksi" untuk menghasilkan skenario rendah/sedang/tinggi, bukan satu kurva, dan komentari lebar rentang dalam sebuah kalimat.
daftar periksa
- [ ] Saya tahu perbedaan keterukuran antara porositas dan permeabilitas dan permeabilitas tersebut memerlukan pengujian inti/sumur.
- [ ] Saya tidak menganggap klasifikasi fasies dapat diandalkan tanpa mengkalibrasinya dengan inti.
- [ ] Saya menyadari risiko mengekstrapolasi hubungan yang dipelajari ke bidang/kondisi lain.
- [ ] Saya menyajikan produksi dan volume dengan skenario dan simulasi probabilistik, bukan angka tunggal.
- [ ] "Pengukuran langsung apa yang dapat menyangkal setiap perkiraan reservoir?" Saya mengujinya dengan pertanyaan.