Guadagni:
- Capacità di spiegare il flusso di lavoro nella previsione di porosità, permeabilità e proprietà del serbatoio con l'intelligenza artificiale
- Capacità di posizionare l'apprendimento automatico nell'interpretazione dei log di pozzo, nella classificazione delle facies e nella previsione della produzione
- Capacità di verificare i risultati del giacimento attraverso confini fisici, test dei pozzi e analisi delle incertezze
Un giacimento di petrolio o gas è un tesoro invisibile di fluidi intrappolati nella roccia porosa, chilometri sotto la superficie. Non possiamo vederlo direttamente; Lo "leggiamo" solo con i log, le carote, le ombre sismiche e i dati di produzione che riceviamo dai pozzi. La caratterizzazione del giacimento è il compito di ricostruire da queste misurazioni indirette quanto fluido trattiene la roccia (porosità), quanto facilmente rilascia fluido (permeabilità) e che tipo di struttura tridimensionale è il giacimento. L’intelligenza artificiale è potente in questo settore: interpreta i dati dei pozzi, classifica le facies (assemblaggi di tipi di rocce), prevede le relazioni porosità-permeabilità e modella le tendenze di produzione. Ma i giacimenti, come altri campi geologici, sono pieni di incertezza, e non tutte le previsioni possono costituire una base per una decisione senza essere collegate ai confini fisici, ai test dei pozzi e all’analisi dell’incertezza.
In questa unità tratteremo tre aspetti dell'intelligenza artificiale dello studio del giacimento: interpretazione dei log del pozzo e classificazione della facies (estrazione del tipo di roccia e delle proprietà dai log), previsione della porosità-permeabilità (previsione della qualità del giacimento) e previsione della produzione (quanto il pozzo produrrà in futuro). Anche qui la geostatistica è la spina dorsale; Riempiamo lo spazio tra i pozzi con variogramma e simulazione. Nota: il settore del petrolio e del gas è molto sensibile dal punto di vista commerciale; Tutti i campioni sono studiati con valori anonimi e rappresentativi.
Interpretazione dei Well Log e classificazione delle Facies
I log di pozzo sono curve che misurano continuamente le proprietà fisiche della roccia lungo il pozzo: raggi gamma (contenuto di argilla), resistività (tipo di fluido - acqua/idrocarburo), densità e neutroni (porosità), sonica (durezza della roccia). Un geologo petrolifero legge queste curve insieme ed estrae il tipo di roccia e il fluido a ciascuna profondità. Questo è il riconoscimento di modelli e l’intelligenza artificiale è molto brava in questo: smista costantemente decine di migliaia di metri di tronchi in facies.
Ma ci sono due limiti. Innanzitutto, l’interpretazione logaritmica è un modello, non una misurazione; Lo stesso log può essere aperto a diverse interpretazioni di facies. In secondo luogo, se il modello trasferisce ciecamente la relazione log-facies appresa in un campo in un altro campo (ambiente deposizionale diverso, diagenesi diversa), commette gravi errori. Pertanto, l'output della facies è calibrato con i dati core; Il nucleo è l’ancora che collega l’interpretazione del registro alla verità fondamentale.
Suggerimento: prima di fidarsi dell'output di un modello di facies, chiedere "quali pozzi sono stati carotati e quanto è accurato il modello in quei pozzi?" chiedere. Una stima della facies non confermata è un’ipotesi non verificata, non importa quanto possa sembrare plausibile.
Porosità e permeabilità: la distinzione più critica
Le due chiavi per la qualità del giacimento sono la porosità e la permeabilità, e la differenza tra loro è uno dei punti più importanti dell’utilizzo dell’intelligenza artificiale. La porosità è il rapporto dei vuoti della roccia e può essere ricavata dai tronchi con ragionevole precisione. La permeabilità è la facilità con cui il fluido scorre attraverso la roccia e non viene misurata direttamente dai tronchi; ma è stimato indirettamente. La permeabilità è esponenzialmente sensibile a piccoli cambiamenti nella porosità e dipende dalla geometria dei pori, dalle crepe e dalla cementazione.
Ecco perché la previsione della permeabilità con l’apprendimento automatico è allo stesso tempo attraente e pericolosa. Il modello apprende la porosità nei pozzi centrali e la permeabilità da altri tronchi; ma la relazione che apprende è specifica di quella facies e di quella condizione pressione-temperatura. L'estrapolazione a una litologia diversa o a un pozzo senza carotaggio (che si sposta al di fuori dell'intervallo appreso) comporterà grandi errori. La stima della permeabilità deve essere collegata alla misurazione del nucleo e al test del pozzo (i test di caduta/rigonfiamento della pressione forniscono il comportamento effettivo del flusso).
Attenzione: anche se la stima della permeabilità produce un grafico "di bell'aspetto", è inaffidabile se applicata al di fuori delle condizioni di facies e pressione dei dati di addestramento. Il modello apprende una correlazione, non un fatto fisico; testare sempre con test di base e di pozzo.
Previsione e incertezza della produzione
Quanto un pozzo produrrà in futuro dipende dalla quantità di fluido che il serbatoio trattiene e fornisce. I metodi classici (analisi della curva di declino) estendono l'andamento della produzione passata al futuro; L’intelligenza artificiale arricchisce questa tendenza con dati provenienti da più pozzi e apprende dai modelli di pozzi vicini. Ma la previsione della produzione è intrinsecamente incerta: il giacimento è eterogeneo, la pressione cambia, le condizioni operative cambiano. Pertanto, viene presentato un intervallo probabilistico (scenario basso/medio/alto) e non un'unica curva di produzione “esatta”.
La geostatistica comporta anche incertezza quando si riempie il volume tra i pozzi. Metodi come la simulazione gaussiana sequenziale producono molti modelli ugualmente probabili piuttosto che un singolo modello "medio"; La differenza tra questi modelli è l’incertezza stessa. L’intelligenza artificiale accelera e interpreta queste simulazioni; ma ridurre il risultato a un singolo numero crea una falsa fiducia nascondendo l’incertezza.
Tre mini custodie: i numeri
Caso 1 — Errore di estrapolazione. Il modello di permeabilità addestrato su tre pozzi carotati in un sito ha fornito una previsione che è apparsa perfetta per il quarto pozzo. Ma questo pozzo era in facies più argillosa e il modello non aveva mai visto questo intervallo; i test effettuati sul pozzo hanno dimostrato che la permeabilità effettiva è pari a circa un quinto della stima. Il modello è stato seriamente scambiato per un grafico “di bell’aspetto”; L'ancora di prova del pozzo ha rilevato l'errore.
Caso 2 — Calibrazione Facies. In un giacimento di gas, l’intelligenza artificiale ha rapidamente suddiviso in facies i log di 14 pozzi. Rispetto ai tre pozzi carotati, la zona classificata dal modello come “arenaria pulita” era in realtà un’unità fratturata e di bassa qualità. Con la calibrazione di base, il modello è stato riqualificato e la stima del volume del serbatoio è stata portata a un livello realistico.
Caso 3 – Onestà della sceneggiatura. In una previsione della produzione, il modello forniva un’unica curva ed esprimeva la produzione decennale in numeri dispari. Quando il team ha generato uno scenario basso/medio/alto attraverso una simulazione sequenziale, ha scoperto che l’intervallo era molto ampio (lo scenario alto era circa il doppio più basso). Questa ampiezza indicava che nella decisione di investimento erano necessari ulteriori test sui pozzi; Il numero unico nascondeva pericolosamente questa incertezza.
Prompt debole / Prompt forte
Suggerimento debole:
Guarda questi registri del pozzo, calcola la permeabilità e dimmi quanto produrrà il pozzo. [dati di registro]
Suggerimento potente:
Il tuo ruolo: assistente geologo del giacimento. Fornire UN UNICO NUMERO ESATTO per permeabilità e produzione con i tronchi sottostanti. Invece: 1) Indicare quali pozzi possono essere confermati dal carotaggio quando si effettua l'interpretazione della facies. 2) Spiegare che la stima della permeabilità non può essere misurata direttamente dai log, in quali condizioni (facies/pressione) sarà valida e la necessità di eseguire test del carotaggio/pozzo. 3) Stabilire una logica di scenario basso/medio/alto per la produzione, non una singola curva. 4) Elencare 4 fonti di incertezza che influenzano il risultato. I dati sono anonimi; Nessun campo/azienda reale.
Quattro modelli copiabili
1) Verifica calibrazione log-facies:
Spiegare quali pozzi sono sottoposti a carotaggio per la classificazione della facies e come possiamo misurare l'accuratezza del modello in questi pozzi. Contrassegnare le zone non verificate come "non testate"; Non fidarti ciecamente.
2) Convalida della permeabilità:
Per la previsione della permeabilità: specificare la facies e l'intervallo di pressione per cui il modello è addestrato; Contrassegnare quali pozzi/zone sono al di fuori di questo intervallo (estrapolazione). Sottolineare che la previsione non dovrebbe essere considerata attendibile senza test di base e di pozzo in queste zone. Non fornire un numero esatto.
3) Bozza dello scenario di produzione:
Stabilisce la logica dello scenario di produzione bassa, media e alta a partire dai dati della curva di declino/produzione. Spiegare su quali ipotesi si basa ogni scenario e cosa significano le differenze tra loro. Non offre un'unica curva "esatta".
4) Interpretazione della simulazione dell'incertezza:
Interpretare l'output di un modello geostatistico multiplo ugualmente probabile (ad esempio, simulazione sequenziale): quanto è ampia la distribuzione della stima del volume, quale regione è più incerta e con quali dati aggiuntivi (beh, sismici) viene ridotta questa incertezza? Riduzione a un unico numero.
Specificazione, misurabilità e verifica del serbatoio
funzione/output
Può essere misurato dai log?
Rischio dell'intelligenza artificiale
ancoraggio di verifica
porosità
Derivato con ragionevole precisione
Deriva della calibrazione
Porosità del nucleo
permeabilità
No, ipotesi indiretta
Errore di estrapolazione
Core + test del pozzo
facies
Commento (modello)
Trasporto fuori sede
definizione fondamentale
Tipo fluido
Lo deduco dalla resistività
commento sbagliato
Test di pressione/campione
Previsioni di produzione
estensione del trend
falsa certezza
Scenario + prova del pozzo
Suggerimento: per ogni stima sul giacimento "quale misurazione diretta potrebbe smentirla?" Provalo dicendo. Nucleo per porosità, prova di permeabilità in pozzo, definizione del nucleo per facies. Una previsione che non può essere confutata dalla misurazione diretta non è stata ancora confermata.
Errori comuni
- Vedere la permeabilità come porosità. La permeabilità non viene misurata direttamente dai tronchi; L'estrapolazione dà grandi errori, il test del nucleo/del pozzo è essenziale.
- Utilizzo del modello di facies senza nucleo. Una facies non calibrata dal nucleo è un'ipotesi non verificata.
- Portare la relazione appresa in un altro campo. Differenti ambienti deposizionali e diagenesi modificano la relazione log-tratto.
- Presentare la produzione con un'unica curva. Se l’incertezza non è data da scenari, la decisione di investimento si basa su una falsa certezza.
- Riducendo la simulazione alla media. Diversi modelli indicano incertezza; Ridurlo a un singolo numero distrugge le informazioni.
In sintesi
- Il serbatoio è invisibile; Viene letto indirettamente con dati log, core, sismici e di produzione e ogni previsione comporta incertezza.
- La porosità può essere derivata dai tronchi; La permeabilità non viene misurata direttamente, deve essere abbinata a test di carotaggio e di pozzo.
- La classificazione delle facies è un modello; inaffidabile senza essere calibrato dal nucleo e trasportato fuori sede.
- La relazione appresa è specifica delle condizioni educative; L’estrapolazione è l’errore più comune e pericoloso.
- La produzione e il volume sono presentati non con un singolo numero, ma con uno scenario e una simulazione probabilistici, con l'incertezza chiaramente data.
Compito dell'applicazione
Ottieni un set anonimo di registri dei pozzi (o valori rappresentativi). Fare in modo che il modello scopra quali zone sono a rischio di estrapolazione con il modello di "convalida della permeabilità"; Testare se stimola una zona posizionandola deliberatamente fuori dal campo di allenamento. Quindi, utilizza il modello "bozza dello scenario di produzione" per produrre uno scenario basso/medio/alto invece di una singola curva e commenta l'ampiezza dell'intervallo in una frase.
lista di controllo
- [ ] Conosco la differenza di misurabilità tra porosità e permeabilità e tale permeabilità richiede test del nucleo/pozzo.
- [ ] Non considero affidabile la classificazione della facies senza calibrarla con il core.
- [ ] Riconosco il rischio di estrapolare la relazione appresa ad un altro campo/condizione.
- [ ] Presento la produzione e il volume con scenari e simulazioni probabilistici invece che con singoli numeri.
- [ ] "Quale misurazione diretta potrebbe confutare ciascuna stima del giacimento?" Lo provo con la domanda.