Keuntungan:
- Kemampuan menjelaskan bagaimana distribusi 3D sifat reservoir (porositas, permeabilitas, saturasi air) dimodelkan dengan AI dan geostatistik
- Kemampuan untuk menemukan penyebaran fitur dengan pemodelan fasies, variogram, kriging, dan pembelajaran mesin
- Kemampuan untuk memverifikasi keluaran model reservoir dengan keseimbangan material, pengujian sumur, dan skenario ketidakpastian
Untuk membuat ladang minyak atau gas, pertama-tama kita perlu membuat model 3D darinya: di mana letak batuan reservoir, seberapa berpori (porositas), seberapa mudah fluida mengalir (permeabilitas/permeabilitas), dan berapa banyak pori-pori yang terisi hidrokarbon (1 − saturasi air). Namun kami hanya dapat mengukur fitur-fitur ini pada titik di mana kami mengebor sumur; Volume besar di antara sumur-sumur itu kosong dan harus diisi. Karakterisasi reservoir adalah melakukan pengukuran titik pada sumur dan memperluasnya ke seluruh volume menggunakan logika dan statistik geologi. Pada unit ini, kami menggunakan kecerdasan buatan dan geostatistik (cabang statistik yang memodelkan data spasial dengan ketidakpastian) dalam upaya sosialisasi ini. Prinsip yang tidak berubah: setiap nilai sumur adalah perkiraan, bukan nilai aktual; Ketidakpastian adalah bagian dari model dan diuji dengan keseimbangan fisik.
Konsep Dasar
- Fasies: Jenis batuan dengan sifat unik yang terbentuk di lingkungan pengendapan tertentu (misalnya pasir saluran sungai, serpih laut, batu kapur terumbu). Kualitas reservoir sangat erat kaitannya dengan fasies: saluran tersebut mengalirkan pasir dengan baik, tetapi tidak mengalirkan serpih.
- Variogram: Ukuran kontinuitas spasial yang menggambarkan bagaimana kesamaan fitur menurun seiring bertambahnya jarak antara dua titik. Ini adalah alat dasar geostatistik.
- Kriging: Metode yang memperkirakan nilai pada titik-titik yang tidak dijadikan sampel menggunakan variogram, beserta ketidakpastian estimasinya.
- Simulasi stokastik: Menghasilkan banyak model (realisasi) yang memiliki kemungkinan sama dan kompatibel dengan data, bukan hanya satu tebakan "terbaik"; Hal ini membuat ketidakpastian terlihat.
- Keseimbangan material: Hubungan kekekalan antara fluida yang dihasilkan dari reservoir, penurunan tekanan dan volume yang tersisa; jangkar fisik yang secara independen menguji volume model.
Petunjuk: Model reservoir merupakan distribusi ketidakpastian, bukan bilangan tunggal. Bahasa yang benar adalah "P90=35, P50=50, P10=72 juta barel", bukan "Cadangan 50 juta barel". Tanyakan kepada AI tentang skenario/distribusinya, bukan perkiraan satu titik.
Bagaimana AI dan Geostatistik Bekerja Sama
Geostatistik klasik (kriging, variogram) sangat berguna tetapi sulit menangani hubungan multivariat dan nonlinier. Di sinilah pembelajaran mesin berperan:
- Klasifikasi fasies: Menetapkan fasies dari kumpulan log (pembelajaran yang diawasi); Kemudian distribusikan fitur tersebut menggunakan fasies sebagai panduan.
- Estimasi atribut: Memperkirakan porositas antar sumur dari atribut seismik + hubungan log (pemodelan berbasis seismik).
- Pengisian kesenjangan: Melengkapi rentang log yang hilang secara wajar dari sumur-sumur dan hubungan-hubungan yang berdekatan.
Namun pembelajaran mesin tidak mengetahui logika geologi. Peta porositas yang dihasilkan oleh suatu model salah jika tidak konsisten dengan lingkungan pengendapan (misalnya permeabilitas tinggi pada fasies serpih). Masuk akal secara geologis adalah filter pertama dari keluaran AI.
Langkah demi langkah: Alur kerja model reservoir
- Kerangka struktural. Tetapkan geometri reservoir dengan horizon dan sesar dari seismik (keluaran dari Unit 3).
- Model fasies. Tentukan fasies dalam sumur (log + inti), distribusikan ke volume dengan variogram/tren geologi. AI mempercepat klasifikasi.
- Penerapan fitur. Mendistribusikan porositas, permeabilitas, saturasi air dalam setiap fasies dengan kriging atau pembelajaran mesin; Jika ada seismik, dapatkan panduan.
- Ketakpastian. Hasilkan realisasi dalam jumlah besar dengan simulasi stokastik; Volume P90/P50/P10 adalah output.
- Verifikasi. Uji volume model dengan keseimbangan material dan kecocokan sejarah; Bandingkan dengan permeabilitas uji sumur.
Tiga Kasus Mini: Berdasarkan Angka
Kasus 1 — Nilai panduan fasies. Ketika porositas tersebar di suatu lokasi secara langsung dengan kriging, porositas tinggi “bocor” ke zona serpih berkualitas rendah. Ketika model fasies pertama kali dibuat dan porositas didistribusikan di dalam fasies, model menjadi realistis dan volume stokastik menyempit: volume P50 menurun sebesar 12%, namun pita ketidakpastian menyempit sebesar 40%. Struktur yang benar memberikan hasil yang lebih realistis dan lebih aman.
Kasus 2 — Perangkap ekstrapolasi. Model pembelajaran mesin mempelajari hubungan porositas-seismik dengan baik di wilayah tempat sumur terkonsentrasi; tetapi ketika diterapkan pada blok tepi tanpa sumur, itu berada di luar jangkauan pelatihan (ekstrapolasi) dan menghasilkan porositas yang tidak realistis sebesar 28%. Ahli geologi menunjukkan bahwa blok tersebut berada di zona fasies yang berbeda; modelnya tidak valid di wilayah itu. Batas ekstrapolasi ditandai.
Kasus 3 — Konflik keseimbangan material. Cadangan P50 model 3D yang kaya menghasilkan 68 juta barel; namun, penurunan tekanan produksi awal ladang tersebut menunjukkan sistem dengan keseimbangan material paling banyak ~45 juta barel. Kontradiksi muncul karena model tersebut mengasumsikan badan pasir yang tidak terhubung (terisolasi) terlalu terhubung. Sambungannya dipertimbangkan kembali dan modelnya dibuat lebih kecil. Jangkar fisik memperbaiki model geometris.
Prompt Lemah / Prompt Kuat
Perintah yang lemah:
Model reservoir dan cadangan diambil dari data sumur ini.[data]
Perintah yang kuat:
Hasilkan rencana DRAFT pemodelan reservoir dari sumur (anonim) dan ringkasan seismik di bawah. Aturan: - Pertama membangun model fasies; Mendistribusikan porositas/permeabilitas DALAM fasies. Fitur hidrokarbon yang terlarut ke dalam fasies serpih/berkualitas rendah.- Justifikasi parameter variogram (arah, rentang) dari tren geologi, bukan dari data; Tuliskan asumsi-asumsinya dengan JELAS.- Sajikan hasilnya sebagai distribusi volume P90/P50/P10, bukan angka tunggal.- Tandai risiko ekstrapolasi pada wilayah yang tidak subur.- Tulis cara verifikasi dengan neraca material/riwayat produksi.Data: [ringkasan]
Empat Templat yang Dapat Disalin
1) Draf klasifikasi fasies:
Sarankan pendekatan klasifikasi fasies dari kumpulan log berikut. Tuliskan log yang akan digunakan, definisi kelas, dan kebutuhan pelabelan inti. Tentukan risiko kebingungan antara kelas dan pemeriksaan masuk akal geologi. Data: [kumpulan log]
2) Pembenaran variogram:
Saat membuat variogram untuk data porositas ini, kaitkan pemilihan arah dan rentang dengan arah curah hujan geologis. Jelaskan risiko asumsi isotropik. Nyatakan batas keandalan variogram dengan sedikit data. Data: [porositas]
3) Skenario ketidakpastian:
Hasilkan distribusi volume P90/P50/P10 untuk input volume berikut (luas, ketebalan, porositas, saturasi, faktor konversi). Tanyakan kisaran ketidakpastian setiap inputnya, jangan berasumsi. Urutkan sumber ketidakpastian yang paling berpengaruh (tornado).Masukan: [nilai]
4) Pemeriksaan silang saldo material:
Bandingkan volume model 3D berikut dengan data produksi awal dan penurunan tekanan untuk keseimbangan material. Jika ada ketidakcocokan, sebutkan kemungkinan alasannya (koneksi, dukungan akuifer, kesalahan volume). Model: [volume], produksi/tekanan: [data]
Lapisan Verifikasi Model Reservoir
lapisan
Tes apa
Metode
Masuk akal secara geologis
Konsistensi fitur fasies
Ulasan ahli
data yang baik
Kepatuhan pengukuran titik
Perbandingan log/inti
tes dengan baik
Permeabilitas/tekanan aktual
Tes sementara tekanan
Keseimbangan materi
konservasi volume
Hubungan tekanan-produksi
Sejarah produksi
perilaku dinamis
Pencocokan sejarah
Kesalahan umum
- Fasies melompati. Mendistribusikan fitur tanpa panduan fasies dan membocorkan hidrokarbon dengan benda.
- Prediksi satu titik. Melaporkan sejumlah cadangan, bukan distribusi ketidakpastian.
- Ekstrapolasi. Menerapkan model secara membabi buta ke blok di luar rentang data pelatihan.
- Melewatkan keseimbangan materi. Tidak menguji volume model 3D dengan keseimbangan fisik.
- Biarkan variogram menjadi otomatis. Memilih arah/rentang tanpa tren geologi.
Singkatnya
- Karakterisasi reservoir merupakan perluasan pengukuran titik dalam sumur ke seluruh volume dengan geologi dan geostatistik.
- AI dan pembelajaran mesin sangat berguna dalam klasifikasi fasies dan prediksi fitur; tapi masuk akal secara geologis adalah filter pertama.
- Mendistribusikan fitur-fitur dalam fasies; Laporkan ketidakpastian sebagai distribusi P90/P50/P10.
- Tandai batas ekstrapolasi; Jangan menggunakan model secara membabi buta di luar jangkauan pelatihan.
- Keseimbangan material dan sejarah produksi adalah jangkar fisik yang menguji model geometris.
Tugas aplikasi
Ambil data porositas/fasies dari beberapa sumur (yang mewakili) suatu lapangan. Miliki rencana pemodelan yang dihasilkan dengan perintah yang kuat. Kemudian: (1) periksa apakah porositas tersebar di dalam fasies, (2) minta cadangan sebagai P90/P50/P10, bukan angka tunggal, (3) berikan secara kasar volume yang diberikan oleh model dengan logika keseimbangan material sederhana (diproduksi + tersisa). Tambahkan peringatan ekstrapolasi untuk setidaknya satu wilayah yang tidak memiliki sumur.
daftar periksa
- [ ] Saya memahami bahwa model reservoir merupakan estimasi sumur-sumur dan mengandung ketidakpastian.
- [ ] Saya mendistribusikan fitur-fitur dengan panduan fasies, saya tidak membocorkannya ke fasies berkualitas rendah.
- [ ] Saya melaporkan cadangan sebagai distribusi P90/P50/P10, bukan nomor tunggal.
- [ ] Saya menandai batas ekstrapolasi.
- [ ] Saya memverifikasi volume model dengan keseimbangan material dan riwayat produksi.