ಘಟಕಗಳು
1. ಪೆಟ್ರೋಲಿಯಂ ಮತ್ತು ನೈಸರ್ಗಿಕ ಅನಿಲ ಎಂಜಿನಿಯರಿಂಗ್‌ನಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಮತ್ತು ಪರಿಶೀಲನಾ ಶಿಸ್ತಿನ ಪರಿಚಯ 2. ಕೊರೆಯುವ ಡೇಟಾ, ಬಾವಿ ದಾಖಲೆಗಳು ಮತ್ತು ಪೆಟ್ರೋಫಿಸಿಕಲ್ ಇಂಟರ್ಪ್ರಿಟೇಶನ್ 3. ಭೂಕಂಪನ ದತ್ತಾಂಶ ವಿಶ್ಲೇಷಣೆ, ವೈಶಿಷ್ಟ್ಯ ಹೊರತೆಗೆಯುವಿಕೆ ಮತ್ತು ರಚನಾತ್ಮಕ ವ್ಯಾಖ್ಯಾನ 4. ರಿಸರ್ವಾಯರ್ ಕ್ಯಾರೆಕ್ಟರೈಸೇಶನ್, ಫೇಸಸ್ ಮಾಡೆಲಿಂಗ್ ಮತ್ತು ಜಿಯೋಸ್ಟಾಟಿಸ್ಟಿಕ್ಸ್ 5. ಉತ್ಪಾದನಾ ಮುನ್ಸೂಚನೆ, ಡ್ರಾಡೌನ್ ಕರ್ವ್ ವಿಶ್ಲೇಷಣೆ ಮತ್ತು ಮೀಸಲು ಅಂದಾಜು 6. ಕೊರೆಯುವಿಕೆ ಮತ್ತು ಉತ್ಪಾದನೆ ಆಪ್ಟಿಮೈಸೇಶನ್ 7. ಮುನ್ಸೂಚಕ ನಿರ್ವಹಣೆ ಮತ್ತು ಸಲಕರಣೆಗಳ ವಿಶ್ವಾಸಾರ್ಹತೆ 8. HSE, ಪ್ರಕ್ರಿಯೆ ಸುರಕ್ಷತೆ ಮತ್ತು ಕಾರ್ಯಾಚರಣೆಯ ಅಪಾಯ 9. ಪೈಪ್ಲೈನ್ ಮಾನಿಟರಿಂಗ್, ಸೋರಿಕೆ ಪತ್ತೆ ಮತ್ತು ಸಮಗ್ರತೆ ನಿರ್ವಹಣೆ 10. ಪೈಥಾನ್‌ನೊಂದಿಗೆ ಡೇಟಾ ಅನಾಲಿಸಿಸ್: ಆಯಿಲ್-ಗ್ಯಾಸ್ ವರ್ಕ್‌ಫ್ಲೋಸ್ 11. ನಿಯಂತ್ರಕ, ನೀತಿಶಾಸ್ತ್ರ, ಡೇಟಾ ಗೌಪ್ಯತೆ ಮತ್ತು ಸಮಗ್ರ ಪರಿಶೀಲನೆ ಆಡಳಿತ
ಘಟಕ 2 / 11

ಕೊರೆಯುವ ಡೇಟಾ, ಬಾವಿ ದಾಖಲೆಗಳು ಮತ್ತು ಪೆಟ್ರೋಫಿಸಿಕಲ್ ಇಂಟರ್ಪ್ರಿಟೇಶನ್

ಲಾಭಗಳು:

  • ಬಾವಿ ದಾಖಲೆಗಳ ಭೌತಿಕ ಅರ್ಥವನ್ನು (ಗಾಮಾ, ಪ್ರತಿರೋಧ, ಸಾಂದ್ರತೆ, ನ್ಯೂಟ್ರಾನ್, ಸೋನಿಕ್) ಮತ್ತು AI ಯೊಂದಿಗೆ ಅವುಗಳ ನಿರ್ಮಾಣ ಮತ್ತು ವ್ಯಾಖ್ಯಾನವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ
  • ಸರಂಧ್ರತೆ, ನೀರಿನ ಶುದ್ಧತ್ವ ಮತ್ತು ಮಣ್ಣಿನ ಪರಿಮಾಣ ಮತ್ತು ಮುಖದ ಪ್ರಾಥಮಿಕ ವರ್ಗೀಕರಣದಂತಹ ಪೆಟ್ರೋಫಿಸಿಕಲ್ ಪ್ರಮಾಣಗಳ AI- ಬೆಂಬಲಿತ ಲೆಕ್ಕಾಚಾರವನ್ನು ಕೈಗೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯ
  • ಕೋರ್ ಡೇಟಾ, ಆರ್ಕಿ ಸಮೀಕರಣ ಮತ್ತು ಭೌತಿಕ ಗಡಿಗಳೊಂದಿಗೆ AI ನಿರ್ಮಿಸಿದ ಪೆಟ್ರೋಫಿಸಿಕಲ್ ವ್ಯಾಖ್ಯಾನಗಳನ್ನು ಪರಿಶೀಲಿಸುವ ಸಾಮರ್ಥ್ಯ

ಬಾವಿಯನ್ನು ಕೊರೆಯುವಾಗ, ನಾವು ನೇರವಾಗಿ ನೆಲದ ಕೆಳಗೆ ನೋಡಲಾಗುವುದಿಲ್ಲ; ಬದಲಾಗಿ, ನಾವು ಉತ್ತಮ ದಾಖಲೆಗಳನ್ನು ಪಡೆಯುತ್ತೇವೆ. ಬಾವಿಯ ದಾಖಲೆಯು ಬಾವಿಯ ಉದ್ದಕ್ಕೂ ಆಳದ ವಿರುದ್ಧ ಅಳೆಯಲಾದ ಭೌತಿಕ ಗುಣಲಕ್ಷಣಗಳ ನಿರಂತರ ದಾಖಲೆಯಾಗಿದೆ. ಒಂದು ಉಪಕರಣವನ್ನು (ಲಾಗ್ ಟೂಲ್) ಬಾವಿಗೆ ಇಳಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಅದನ್ನು ಮೇಲಕ್ಕೆ ಎಳೆದಾಗ, ವಿಕಿರಣಶೀಲತೆ, ವಿದ್ಯುತ್ ಪ್ರತಿರೋಧ, ಸಾಂದ್ರತೆ ಮತ್ತು ಸುತ್ತಮುತ್ತಲಿನ ಬಂಡೆಯ ಹೆಚ್ಚಿನದನ್ನು ಅಳೆಯುತ್ತದೆ. ಪೆಟ್ರೋಫಿಸಿಕ್ಸ್ ಎನ್ನುವುದು ಈ ದಾಖಲೆಗಳನ್ನು ಓದುವ ಮೂಲಕ ಬಂಡೆಯ ಗುಣಲಕ್ಷಣಗಳನ್ನು ಮತ್ತು ಅದರಲ್ಲಿರುವ ದ್ರವಗಳನ್ನು (ಎಷ್ಟು ಖಾಲಿಜಾಗಗಳಿವೆ, ಖಾಲಿಜಾಗಗಳಲ್ಲಿ ನೀರು ಅಥವಾ ತೈಲವಿದೆಯೇ, ದ್ರವವು ಹರಿಯಬಹುದೇ) ಹೊರತೆಗೆಯುವ ವಿಜ್ಞಾನವಾಗಿದೆ. ಈ ಘಟಕದಲ್ಲಿ, ನಾವು ಪೆಟ್ರೋಫಿಸಿಕ್ಸ್‌ನಲ್ಲಿ ಎರಡು ಪ್ರಬಲ ಸ್ಥಳಗಳಲ್ಲಿ AI ಅನ್ನು ಬಳಸುತ್ತೇವೆ: ಚದುರಿದ ಲಾಗ್ ಡೇಟಾವನ್ನು ರಚಿಸುವುದು ಮತ್ತು ಪೆಟ್ರೋಫಿಸಿಕಲ್ ವ್ಯಾಖ್ಯಾನಕ್ಕಾಗಿ ವೇಗದ, ಆಡಿಟ್ ಮಾಡಬಹುದಾದ ಬ್ಲೂಪ್ರಿಂಟ್‌ಗಳನ್ನು ಉತ್ಪಾದಿಸುವುದು. ಬದಲಾಗದ ನಿಯಮ: ಲಾಗ್ ಪರೋಕ್ಷ ಮಾಪನವಾಗಿದೆ, ಕೋರ್ ಸತ್ಯವನ್ನು ಹೇಳುತ್ತದೆ, ಇಂಜಿನಿಯರ್ ವ್ಯಾಖ್ಯಾನವನ್ನು ದೃಢೀಕರಿಸುತ್ತಾನೆ.

ಮೂಲ ದಾಖಲೆಗಳನ್ನು ತಿಳಿದುಕೊಳ್ಳೋಣ

ಪ್ರತಿಯೊಂದು ಲಾಗ್ ಭೌತಿಕ ಪ್ರಮಾಣವನ್ನು ಹೊಂದಿದೆ ಅದು ಅಳೆಯುತ್ತದೆ ಮತ್ತು ಅದು ಏನು ಹೇಳುತ್ತದೆ:

  • ಗಾಮಾ ಕಿರಣ (GR): ಬಂಡೆಯ ನೈಸರ್ಗಿಕ ವಿಕಿರಣಶೀಲತೆ. ಕ್ಲೇ ಮತ್ತು ಶೇಲ್ ಹೆಚ್ಚಿನ ಮೌಲ್ಯಗಳನ್ನು ನೀಡುತ್ತದೆ, ಶುದ್ಧ ಮರಳು ಮತ್ತು ಸುಣ್ಣದ ಕಲ್ಲು ಕಡಿಮೆ ಮೌಲ್ಯಗಳನ್ನು ನೀಡುತ್ತದೆ. ಇದು ಮಣ್ಣಿನ ಪರಿಮಾಣದ (Vshale) ಅಂದಾಜಿನ ಆಧಾರವಾಗಿದೆ.
  • ಪ್ರತಿರೋಧಕತೆ: ವಿದ್ಯುತ್ಗೆ ಬಂಡೆಯ ಪ್ರತಿರೋಧ. ನೀರು ವಿದ್ಯುಚ್ಛಕ್ತಿಯನ್ನು ನಡೆಸುತ್ತದೆ (ಕಡಿಮೆ ಪ್ರತಿರೋಧ), ತೈಲ / ಅನಿಲ ಮಾಡುವುದಿಲ್ಲ (ಹೆಚ್ಚಿನ ಪ್ರತಿರೋಧ). ಆದ್ದರಿಂದ ಹೈಡ್ರೋಕಾರ್ಬನ್‌ಗಳ ಉಪಸ್ಥಿತಿಗೆ ಪ್ರತಿರೋಧವು ಮುಖ್ಯ ಸುಳಿವು.
  • ಸಾಂದ್ರತೆ (RHOB): ಬಂಡೆಯ ಬೃಹತ್ ಸಾಂದ್ರತೆ. ಸರಂಧ್ರತೆಯ ಲೆಕ್ಕಾಚಾರದಲ್ಲಿ ಇದನ್ನು ಬಳಸಲಾಗುತ್ತದೆ; ಜಾಗ ಹೆಚ್ಚಾದಂತೆ, ಸಾಂದ್ರತೆಯು ಕಡಿಮೆಯಾಗುತ್ತದೆ.
  • ನ್ಯೂಟ್ರಾನ್ (NPHI): ಬಂಡೆಯಲ್ಲಿರುವ ಹೈಡ್ರೋಜನ್ ಪ್ರಮಾಣಕ್ಕೆ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತದೆ; ಇದು ಸರಂಧ್ರತೆಯ ಸೂಚಕವಾಗಿದೆ ಏಕೆಂದರೆ ಇದು ನೀರು ಮತ್ತು ಹೈಡ್ರೋಕಾರ್ಬನ್ ಹೈಡ್ರೋಜನ್ ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ. ಇದು ಸಾಂದ್ರತೆಯೊಂದಿಗೆ ಅನಿಲ ವಲಯಗಳನ್ನು ಬಹಿರಂಗಪಡಿಸುತ್ತದೆ ("ನ್ಯೂಟ್ರಾನ್-ಡೆನ್ಸಿಟಿ ಕ್ರಾಸ್ಒವರ್").
  • ಸೋನಿಕ್ (DT): ಧ್ವನಿ ತರಂಗವು ಬಂಡೆಯ ಮೂಲಕ ಚಲಿಸಲು ತೆಗೆದುಕೊಳ್ಳುವ ಸಮಯ. ಇದು ಸರಂಧ್ರತೆ ಮತ್ತು ಕಲ್ಲಿನ ಬಲದ ಬಗ್ಗೆ ಮಾಹಿತಿಯನ್ನು ಒದಗಿಸುತ್ತದೆ.
ಸಲಹೆ: ಒಂದೇ ಲಾಗ್ ಅನ್ನು ಎಂದಿಗೂ ಪ್ರತ್ಯೇಕವಾಗಿ ಅರ್ಥೈಸಲಾಗುವುದಿಲ್ಲ. ಪೆಟ್ರೋಫಿಸಿಕ್ಸ್‌ನಲ್ಲಿ, ಲಾಗ್‌ಗಳನ್ನು ಒಟ್ಟಿಗೆ ಓದುವುದರಲ್ಲಿ ಶಕ್ತಿಯಿದೆ: ಗಾಮಾ ಕ್ಲೇ, ರೆಸಿಸಿವಿಟಿ ದ್ರವ, ಸಾಂದ್ರತೆ-ನ್ಯೂಟ್ರಾನ್ ಸರಂಧ್ರತೆ ಮತ್ತು ಅನಿಲವನ್ನು ಒಟ್ಟಿಗೆ ವಿವರಿಸಲಾಗಿದೆ.

ಲಾಗ್ ಡೇಟಾವನ್ನು ಕಾನ್ಫಿಗರ್ ಮಾಡಲಾಗುತ್ತಿದೆ

ಲಾಗ್ ಡೇಟಾ ಹೆಚ್ಚಾಗಿ LAS (ಲಾಗ್ ASCII ಸ್ಟ್ಯಾಂಡರ್ಡ್) ಫೈಲ್‌ಗಳಲ್ಲಿ ಬರುತ್ತದೆ; ಆದರೆ ಕರ್ವ್ ಹೆಸರುಗಳು (RHOB ಅಥವಾ DEN?), ಘಟಕಗಳು (API ಅಥವಾ gr/cc), ಮತ್ತು ಡೆಪ್ತ್ ರೆಫರೆನ್ಸ್‌ಗಳು ಸೈಟ್‌ನಿಂದ ಸೈಟ್‌ಗೆ ಬದಲಾಗುತ್ತವೆ. ಈ ಅವ್ಯವಸ್ಥೆಯನ್ನು ಪ್ರಮಾಣೀಕರಿಸುವಲ್ಲಿ AI ಅತ್ಯಂತ ಶಕ್ತಿಶಾಲಿಯಾಗಿದೆ.

ನಿರ್ಣಾಯಕ ತತ್ವ: ರೂಪಾಂತರವನ್ನು ಹುಡುಕುವುದು, ನಿರ್ಣಯವಲ್ಲ. ಮಾದರಿಯು ಫೈಲ್‌ನಲ್ಲಿ ಸ್ಪಷ್ಟವಾಗಿ ಬರೆಯಲಾದ ಕರ್ವ್ ಅನ್ನು ಪ್ರಮಾಣಿತ ಹೆಸರಿಗೆ ಹೊಂದಿಕೆಯಾಗಬೇಕು ಮತ್ತು "ಊಹೆ" ಮಾಡಬಾರದು ಮತ್ತು ಅಸ್ತಿತ್ವದಲ್ಲಿಲ್ಲದ ಕರ್ವ್ ಅನ್ನು ಉತ್ಪಾದಿಸಬಾರದು. ಕಾಣೆಯಾದ ಲಾಗ್ ಇದ್ದರೆ, ಅದನ್ನು "ಯಾವುದೂ ಇಲ್ಲ" ಎಂದು ಬರೆಯಬೇಕು ಮತ್ತು ಮಾಡಬಾರದು.

ಹಂತ ಹಂತವಾಗಿ: ಕಾಮೆಂಟ್ ವರ್ಕ್‌ಫ್ಲೋ ಅನ್ನು ಲಾಗ್ ಮಾಡಿ

  1. ವಕ್ರ ದಾಸ್ತಾನು ಹೊರತೆಗೆಯಿರಿ. ಯಾವ ಲಾಗ್‌ಗಳು ಪ್ರಸ್ತುತವಾಗಿವೆ, ಯಾವುದು ಕಾಣೆಯಾಗಿದೆ, ಘಟಕಗಳು ಯಾವುವು? AI ಕೋಷ್ಟಕ ದಾಸ್ತಾನುಗಳನ್ನು ಹೊಂದಿರಿ, ನೀವು ಪರಿಶೀಲಿಸುತ್ತೀರಿ.
  2. ಗುಣಮಟ್ಟದ ನಿಯಂತ್ರಣವನ್ನು ಮಾಡಿ. ವಿಸ್ತರಿಸಿದ ರಂಧ್ರದ ವ್ಯಾಸದ (ಕ್ಯಾಲಿಪರ್) ವಲಯಗಳಲ್ಲಿ, ಸಾಂದ್ರತೆಯ ಲಾಗ್ ವಿರೂಪಗೊಂಡಿದೆ; ಈ ವಲಯಗಳನ್ನು ಗುರುತಿಸಿ. AI ಹೊರಗಿನವರು/ಅಸಾಧ್ಯ ಮೌಲ್ಯಗಳಿಗಾಗಿ ಸ್ಕ್ಯಾನ್ ಮಾಡಬಹುದು (ಋಣಾತ್ಮಕ ಸರಂಧ್ರತೆ, ಅನಿಯಮಿತ ಪ್ರತಿರೋಧ).
  3. ಮಣ್ಣಿನ ಪರಿಮಾಣವನ್ನು ಲೆಕ್ಕ ಹಾಕಿ. ಗಾಮಾ ಲಾಗ್‌ನಿಂದ Vshale; ನೀವು ಕ್ಲೀನ್ ಮತ್ತು ಕ್ಲೇ ಲೈನ್ ಉಲ್ಲೇಖಗಳನ್ನು ನಿರ್ಧರಿಸುತ್ತೀರಿ.
  4. ಸರಂಧ್ರತೆಯನ್ನು ಲೆಕ್ಕಹಾಕಿ. ಸಾಂದ್ರತೆ ಮತ್ತು/ಅಥವಾ ನ್ಯೂಟ್ರಾನ್ ಲಾಗ್, ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಮತ್ತು ದ್ರವ ಸಾಂದ್ರತೆಯಿಂದ ಸ್ಥಳೀಯ ಮೌಲ್ಯಗಳಿಗೆ.
  5. ನೀರಿನ ಶುದ್ಧತ್ವವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ಆರ್ಚಿ ಸಮೀಕರಣದೊಂದಿಗೆ; ನಂತರ ಹೈಡ್ರೋಕಾರ್ಬನ್ ಶುದ್ಧತ್ವ = 1 - ಸ್ವಿ.
  6. ಕೋರ್ನೊಂದಿಗೆ ಸಂಪರ್ಕಪಡಿಸಿ. ಅದೇ ಆಳದಲ್ಲಿ ಕೋರ್ ಸರಂಧ್ರತೆ/ಪ್ರವೇಶಸಾಧ್ಯತೆ ಇದ್ದರೆ, ಅದರೊಂದಿಗೆ ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾಪನಾಂಕ ಮಾಡಿ.

ಆರ್ಕೈವಲ್ ಸಮೀಕರಣ: ಪರಿಶೀಲನೆ ಆಂಕರ್

ಪೆಟ್ರೋಫಿಸಿಕ್ಸ್‌ನ ಹೃದಯಭಾಗದಲ್ಲಿ ಆರ್ಚಿ ಸಮೀಕರಣವಿದೆ. ಬಂಡೆಯ ಪ್ರತಿರೋಧವು ಹೆಚ್ಚಾದಂತೆ ನೀರಿನ ಶುದ್ಧತ್ವವು ಕಡಿಮೆಯಾಗುತ್ತದೆ (ನೀರು ಕಡಿಮೆಯಾಗುತ್ತದೆ ಮತ್ತು ಹೈಡ್ರೋಕಾರ್ಬನ್ ಹೆಚ್ಚಾಗುತ್ತದೆ) ಎಂದು ಇದು ಸರಳವಾಗಿ ಭೌತಿಕವಾಗಿ ಸಂಪರ್ಕಿಸುತ್ತದೆ. ಸಮೀಕರಣದ ಒಳಹರಿವು ಸರಂಧ್ರತೆ, ರಚನೆಯ ನೀರಿನ ಪ್ರತಿರೋಧ ಮತ್ತು ಅಳತೆ ಪ್ರತಿರೋಧ; ಇದರ ಔಟ್ಪುಟ್ ನೀರಿನ ಶುದ್ಧತ್ವ Sw ಆಗಿದೆ.

AI Sw ಮೌಲ್ಯವನ್ನು ಸೂಚಿಸಿದಾಗ, ಅದನ್ನು ಕುರುಡಾಗಿ ಸ್ವೀಕರಿಸಬೇಡಿ: ಆರ್ಚಿ ಸಮೀಕರಣದಲ್ಲಿ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಹಾಕಿ ಮತ್ತು ಅವುಗಳನ್ನು ಹಸ್ತಚಾಲಿತವಾಗಿ ಸರಬರಾಜು ಮಾಡಿ. ಫಲಿತಾಂಶವು 0-1 ನಡುವೆ ಇರಬೇಕು; ಸ್ಥಳೀಯ ಗುಣಾಂಕಗಳು (a, m, n) ಸಮಂಜಸವಾದ ವ್ಯಾಪ್ತಿಯಲ್ಲಿರಬೇಕು; ಕೋರ್ ಮೂಲಕ ಮಾಪನಾಂಕ ಮಾಡಬೇಕು. ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕವಲ್ಲದ ಆದರೆ ಆರ್ಥಿಕವಾಗಿ ನಿರ್ಣಾಯಕ ಔಟ್‌ಪುಟ್ ಅನ್ನು ಹೇಗೆ ಪರಿಶೀಲಿಸುವುದು ಎಂಬುದಕ್ಕೆ ಇದು ನಿಖರವಾಗಿ ಒಂದು ಉದಾಹರಣೆಯಾಗಿದೆ.

ಎಚ್ಚರಿಕೆ: ಕಮಾನಿನ ಸಮೀಕರಣವು ಜೇಡಿಮಣ್ಣಿನ/ಶೇಲ್ ರಚನೆಗಳಲ್ಲಿ ಕೆಲಸ ಮಾಡುವುದಿಲ್ಲ; ಜೇಡಿಮಣ್ಣು ಹೆಚ್ಚುವರಿ ವಾಹಕತೆಯನ್ನು ತರುತ್ತದೆ, ನೀರಿನ ಶುದ್ಧತ್ವವು ನಿಜವಾಗಿರುವುದಕ್ಕಿಂತ ಹೆಚ್ಚಾಗಿರುತ್ತದೆ. ಜೇಡಿಮಣ್ಣಿನ ವಲಯಗಳಲ್ಲಿ, ಸಿಮಂಡೌಕ್ಸ್ ಅಥವಾ ವ್ಯಾಕ್ಸ್‌ಮನ್-ಸ್ಮಿಟ್ಸ್‌ನಂತಹ ಕ್ಲೇ-ಸರಿಪಡಿಸಿದ ಮಾದರಿಗಳು ಅಗತ್ಯವಿದೆ. AI "Archi with Sw=0.3" ಎಂದು ಹೇಳಿದರೆ, ರಚನೆಯು ಜೇಡಿಮಣ್ಣಿನಿಂದ ಕೂಡಿದೆಯೇ ಎಂದು ಪ್ರಶ್ನಿಸಲು ಮರೆಯದಿರಿ.

ಮೂರು ಮಿನಿ ಪ್ರಕರಣಗಳು: ಸಂಖ್ಯೆಗಳ ಮೂಲಕ

ಪ್ರಕರಣ 1 - ಕ್ಯಾಲಿಪರ್ ಟ್ರ್ಯಾಪ್. ಒಂದು ಬಾವಿಯಲ್ಲಿ, ಮಾದರಿಯು 2,310–2,325 ಮೀ ಎತ್ತರದ ಸರಂಧ್ರತೆಯೊಂದಿಗೆ (32%) "ಉತ್ತಮ ಜಲಾಶಯ" ಎಂದು ಗುರುತಿಸಲಾಗಿದೆ. ಪೆಟ್ರೋಫಿಸಿಸ್ಟ್ ಕ್ಯಾಲಿಪರ್ ಲಾಗ್ ಅನ್ನು ನೋಡಿದರು: ಈ ಮಧ್ಯಂತರದಲ್ಲಿ ರಂಧ್ರವು ಕುಸಿದಿದೆ, ಅದರ ವ್ಯಾಸವು ವಿಸ್ತರಿಸಿದೆ; ಆದ್ದರಿಂದ ಸಾಂದ್ರತೆಯ ದಾಖಲೆಯು ತಪ್ಪಾಗಿ ಕಡಿಮೆ ಸಾಂದ್ರತೆಯನ್ನು (ಹೆಚ್ಚಿನ ತಪ್ಪು ಸರಂಧ್ರತೆ) ನೀಡುತ್ತಿದೆ. ಕೋರ್ ಸರಂಧ್ರತೆ 14% ಆಗಿತ್ತು. AI ದೋಷಪೂರಿತ ಡೇಟಾವನ್ನು ನಿಜವೆಂದು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸಿದೆ; ಕ್ಯಾಲಿಪರ್ ನಿಯಂತ್ರಣವು ಬಲೆಯನ್ನು ಪರಿಹರಿಸಿದೆ.

ಪ್ರಕರಣ 2 - ಅನಿಲ ವಲಯದ ಸರಿಯಾದ ಕ್ಯಾಪ್ಚರ್. ಎರಡು ಪಕ್ಕದ ಬಾವಿಗಳಲ್ಲಿ, AI ನ್ಯೂಟ್ರಾನ್-ಸಾಂದ್ರತೆಯ ಕ್ರಾಸ್‌ಒವರ್‌ನಿಂದ ಅನಿಲ ವಲಯವನ್ನು ಸೂಚಿಸಿತು (ನ್ಯೂಟ್ರಾನ್ ಕಡಿಮೆ, ಸಾಂದ್ರತೆಯ ಹೆಚ್ಚಿನ ಸರಂಧ್ರತೆ-ಕ್ಲಾಸಿಕ್ ಅನಿಲ ಪರಿಣಾಮ). ಎಂಜಿನಿಯರ್ ಇದನ್ನು ಉತ್ಪಾದನಾ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಸಂಪರ್ಕಿಸಿದಾಗ, ವಲಯವು ನಿಜವಾಗಿಯೂ ಅನಿಲವನ್ನು ಉತ್ಪಾದಿಸುತ್ತಿದೆ ಎಂದು ದೃಢಪಡಿಸಿತು. ಇಲ್ಲಿ AI ಸರಿಯಾದ ಭೌತಿಕ ಸಹಿಯನ್ನು ಸೂಚಿಸಿದೆ ಮತ್ತು ಉತ್ತಮ ಪರೀಕ್ಷೆಯಿಂದ ದೃಢೀಕರಿಸಲ್ಪಟ್ಟಿದೆ.

ಕೇಸ್ 3 - ಮಣ್ಣಿನ ವಲಯದಲ್ಲಿ ಉತ್ಪ್ರೇಕ್ಷಿತ ಹೈಡ್ರೋಕಾರ್ಬನ್. ಮಾದರಿಯು ಸಮತಟ್ಟಾದ ಆರ್ಚಿಯನ್ನು ಹೊಂದಿರುವ ವಲಯಕ್ಕೆ Sw=0.25 (ಅಂದರೆ 75% ಹೈಡ್ರೋಕಾರ್ಬನ್) ನಿಗದಿಪಡಿಸಲಾಗಿದೆ. ಗಾಮಾ ಲಾಗ್ ಈ ವಲಯವು ಜೇಡಿಮಣ್ಣಿನಿಂದ ಕೂಡಿದೆ ಎಂದು ತೋರಿಸಿದೆ; ಜೇಡಿಮಣ್ಣು ಪ್ರತಿರೋಧವನ್ನು ಕಡಿಮೆ ಮಾಡಿರಬೇಕು ಮತ್ತು ವಾಸ್ತವವಾಗಿ Sw ಅನ್ನು ಹೆಚ್ಚಿಸಬೇಕು. ಸಿಮಾಂಡೌಕ್ಸ್ ತಿದ್ದುಪಡಿಯೊಂದಿಗೆ, Sw = 0.55; ವಲಯವು ನಿರೀಕ್ಷೆಗಿಂತ ಹೆಚ್ಚು ತೇವವಾಗಿತ್ತು ಮತ್ತು ಕಡಿಮೆ ವಾಣಿಜ್ಯ ಮೌಲ್ಯವನ್ನು ಹೊಂದಿತ್ತು. ಕುರುಡು ಸ್ವೀಕಾರವು ಹೂಡಿಕೆ ತಪ್ಪುಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು.

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್ / ಬಲವಾದ ಪ್ರಾಂಪ್ಟ್

ದುರ್ಬಲ ಪ್ರಾಂಪ್ಟ್:

ಈ ಲಾಗ್‌ನಿಂದ ಸರಂಧ್ರತೆ ಮತ್ತು ನೀರಿನ ಶುದ್ಧತ್ವವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ.[ಲಾಗ್ ಡೇಟಾ]

ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್:

ಕೆಳಗಿನ (ಅನಾಮಧೇಯ) ಲಾಗ್ ಡೇಟಾದಿಂದ ಪೆಟ್ರೋಫಿಸಿಕಲ್ ವ್ಯಾಖ್ಯಾನ DRAFT ಅನ್ನು ರಚಿಸಿ. ನಿಯಮಗಳು:- ಮೊದಲು ಕರ್ವ್ ಇನ್ವೆಂಟರಿ ಮತ್ತು ಕಾಣೆಯಾದ/ಅನುಮಾನಾಸ್ಪದ ಲಾಗ್‌ಗಳನ್ನು ಪಟ್ಟಿ ಮಾಡಿ. ಕ್ಯಾಲಿಪರ್ ವಿಸ್ತರಣೆಯೊಂದಿಗೆ ವಲಯಗಳನ್ನು "ಸಾಂದ್ರತೆ ಪ್ರಶ್ನಾರ್ಹ" ಎಂದು ಗುರುತಿಸಿ. - ಗಾಮಾ ಲಾಗ್‌ನಿಂದ Vshale ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ; ಕೇಳುವ ಮೂಲಕ ಕ್ಲೀನ್/ಕ್ಲೇ ಲೈನ್ ಉಲ್ಲೇಖಗಳನ್ನು ಪಡೆದುಕೊಳ್ಳಿ. - ಸಾಂದ್ರತೆ-ನ್ಯೂಟ್ರಾನ್‌ನೊಂದಿಗೆ ಸರಂಧ್ರತೆಯನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ; ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಮತ್ತು ದ್ರವ ಸಾಂದ್ರತೆಯ ಊಹೆಗಳನ್ನು ಸ್ಪಷ್ಟವಾಗಿ ಬರೆಯಿರಿ.- ಆರ್ಚಿಯೊಂದಿಗೆ ನೀರಿನ ಶುದ್ಧತ್ವವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ; Vshale ಹೆಚ್ಚಿದ್ದರೆ, Simandoux ಅನ್ನು ಸೂಚಿಸಿ ಮತ್ತು ಕಾರಣವನ್ನು ಬರೆಯಿರಿ. ಕಾಲ್ಪನಿಕವಾಗಿದ್ದರೆ a, m, n ಗುಣಾಂಕಗಳನ್ನು ಸೂಚಿಸಿ. - ಪ್ರತಿ ಫಲಿತಾಂಶವನ್ನು ಭೌತಿಕ ಮಿತಿಯೊಂದಿಗೆ ಪರಿಶೀಲಿಸಿ (0<=Sw<=1, 0<=porosity<=0.4). - ಕೋರ್ನೊಂದಿಗೆ ಮಾಪನಾಂಕ ನಿರ್ಣಯದ ಅಗತ್ಯವಿರುವ ಹಂತಗಳನ್ನು ಗುರುತಿಸಿ. ಯಾವುದೇ ಫಲಿತಾಂಶಗಳನ್ನು "ನಿರ್ಣಾಯಕ" ಎಂದು ಪ್ರಸ್ತುತಪಡಿಸಬೇಡಿ. ಡೇಟಾ: [ಲಾಗ್ ಡೇಟಾ]

ನಾಲ್ಕು ನಕಲು ಮಾಡಬಹುದಾದ ಟೆಂಪ್ಲೇಟ್‌ಗಳು

1) ಕರ್ವ್ ಇನ್ವೆಂಟರಿ ಮತ್ತು ಕ್ಯೂಸಿ:

ಈ LAS ವಕ್ರಾಕೃತಿಗಳ ಪಟ್ಟಿಯನ್ನು ಪ್ರಮಾಣಿತ ಹೆಸರುಗಳಿಗೆ (GR, RESD, RHOB, NPHI, DT, CALI) ನಕ್ಷೆ ಮಾಡಿ. ಕಾಣೆಯಾದವರಿಗೆ "ಯಾವುದೂ ಇಲ್ಲ" ಎಂದು ಬರೆಯಿರಿ, ಅವುಗಳನ್ನು ಸರಿಪಡಿಸಬೇಡಿ. ಘಟಕದ ವ್ಯತ್ಯಾಸ ಮತ್ತು ಅಸಾಧ್ಯ ಮೌಲ್ಯ (ಋಣಾತ್ಮಕ ಸರಂಧ್ರತೆ, ಅತಿಯಾದ ಪ್ರತಿರೋಧ) ಇದ್ದರೆ "ಸಾಲು | ಸಮಸ್ಯೆ | ಸಲಹೆ" ಕೋಷ್ಟಕವನ್ನು ನೀಡಿ. ಪಟ್ಟಿ: [ಕರ್ವ್/ಡೇಟಾ]

2) Vshale ಖಾತೆ ಡ್ರಾಫ್ಟ್:

ಗಾಮಾ ಲಾಗ್‌ನಿಂದ Vshale ಅನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. ಕ್ಲೀನ್ ಲೈನ್ (GRmin) ಮತ್ತು ಕ್ಲೇ ಲೈನ್ (GRmax) ಉಲ್ಲೇಖಗಳಿಗಾಗಿ ನನ್ನನ್ನು ಕೇಳಿ, ಊಹಿಸಬೇಡಿ. ರೇಖೀಯ ಮತ್ತು ರೇಖಾತ್ಮಕವಲ್ಲದ (ಲ್ಯಾರಿಯೊನೊವ್) ವಿಧಾನಗಳನ್ನು ಪ್ರತ್ಯೇಕವಾಗಿ ನೀಡಿ ಮತ್ತು ವ್ಯತ್ಯಾಸವನ್ನು ವಿವರಿಸಿ. ಡೇಟಾ: [ಜಿಆರ್]

3) ನೀರಿನ ಶುದ್ಧತ್ವ ಮತ್ತು ಮಾದರಿ ಆಯ್ಕೆ:

ಕೆಳಗಿನ ಸರಂಧ್ರತೆ, ಪ್ರತಿರೋಧಕತೆ ಮತ್ತು Vshale ಜೊತೆಗೆ ನೀರಿನ ಶುದ್ಧತ್ವವನ್ನು ಲೆಕ್ಕಾಚಾರ ಮಾಡಿ. Vshale ಥ್ರೆಶೋಲ್ಡ್ ಪ್ರಕಾರ Archi ಅಥವಾ Simandoux ಸೂಕ್ತವೇ ಎಂಬುದನ್ನು ಸಮರ್ಥಿಸಿ. ಗುಣಾಂಕದ ಊಹೆಗಳನ್ನು ಬರೆಯಿರಿ a, m, n. 0-1 ಮಿತಿಯೊಂದಿಗೆ ಫಲಿತಾಂಶವನ್ನು ಪರಿಶೀಲಿಸಿ. ಡೇಟಾ: [ಮೌಲ್ಯಗಳು]

4) ಕೋರ್-ಲಾಗ್ ಮಾಪನಾಂಕ ನಿಯಂತ್ರಣ:

ಲಾಗ್-ಡೆರೈವ್ಡ್ ಸರಂಧ್ರತೆ ಮತ್ತು ಅದೇ ಆಳದಲ್ಲಿನ ಕೋರ್ ಪೊರೊಸಿಟಿಯನ್ನು ಕೆಳಗೆ ನೀಡಲಾಗಿದೆ. ವ್ಯವಸ್ಥಿತ ಪಕ್ಷಪಾತ ಮತ್ತು ಚದುರುವಿಕೆಯನ್ನು ಸಾರಾಂಶಗೊಳಿಸಿ; ಲಾಗ್ ವ್ಯಾಖ್ಯಾನವನ್ನು ಮಾಪನಾಂಕ ನಿರ್ಣಯಿಸಲು ಸಲಹೆಗಳನ್ನು ನೀಡಿ. ಡೇಟಾ ಗುಣಮಟ್ಟಕ್ಕಾಗಿ ವಿಪರೀತ ಔಟ್‌ಲೈಯರ್‌ಗಳನ್ನು ಗುರುತಿಸಿ. ಡೇಟಾ: [ಲಾಗ್ vs ಕೋರ್]

ಲಾಗ್ ಕಾಮೆಂಟ್ ಮೌಲ್ಯೀಕರಣ ಶ್ರೇಣಿ

ಪುರಾವೆ

ನೇರತೆ

ಅದು ಏನು ಹೇಳುತ್ತದೆ

ಬಳಕೆ

ಕೋರ್ (ಕೋರ್)

ಅತ್ಯಂತ ನೇರ

ನಿಜವಾದ ಸರಂಧ್ರತೆ/ಪ್ರವೇಶಸಾಧ್ಯತೆ

ಮಾಪನಾಂಕ ನಿರ್ಣಯ, ನಿರ್ಣಾಯಕ ವಲಯ

ಬಾವಿ ಪರೀಕ್ಷೆ (ಒತ್ತಡದ ಹರಿವಿನ ಪ್ರಮಾಣ)

ನೇರ

ನಿಜವಾದ ಹರಿವು, ಪ್ರವೇಶಸಾಧ್ಯತೆ

ಉತ್ಪಾದಕತೆಯ ದೃಢೀಕರಣ

ಲಾಗ್ (ಸಾಂದ್ರತೆ, ಪ್ರತಿರೋಧ...)

ಪರೋಕ್ಷ

ನಿರಂತರ ಪ್ರೊಫೈಲ್

ಮುಖ್ಯ ಕಾಮೆಂಟ್, ಖಾಲಿ ಭರ್ತಿ ಮಾಡಿ

AI ಭವಿಷ್ಯ

ಪಡೆಯಲಾಗಿದೆ

ಕಲ್ಪನೆ, ಸ್ಕ್ರೀನಿಂಗ್

ರೂಪರೇಖೆ, ಗುರುತು

ಸಾಮಾನ್ಯ ತಪ್ಪುಗಳು

  • ಕ್ಯಾಲಿಪರ್/ಡೇಟಾ ಗುಣಮಟ್ಟವನ್ನು ಬೈಪಾಸ್ ಮಾಡುವುದು. ಹಾಳಾದ ರಂಧ್ರ ವಲಯಗಳಲ್ಲಿನ ವಿಕೃತ ಸಾಂದ್ರತೆಯನ್ನು ನಿಜವಾದ ಸರಂಧ್ರತೆ ಎಂದು ತಪ್ಪಾಗಿ ಗ್ರಹಿಸುವುದು.
  • ಏಕ ಲಾಗ್ ಕಾಮೆಂಟ್. ಸರಂಧ್ರತೆಯನ್ನು ಮಾತ್ರ ನೋಡುವುದು ಮತ್ತು ಪ್ರತಿರೋಧಕತೆ ಮತ್ತು ಗಾಮಾದ ಸಂದರ್ಭವನ್ನು ನಿರ್ಲಕ್ಷಿಸುವುದು.
  • ಮಣ್ಣಿನ ವಲಯದಲ್ಲಿ ನೇರ ಆರ್ಚಿ. ಮಣ್ಣಿನ ತಿದ್ದುಪಡಿ ಇಲ್ಲದೆ ಹೈಡ್ರೋಕಾರ್ಬನ್ ಶುದ್ಧತ್ವವನ್ನು ಅತಿಯಾಗಿ ಅಂದಾಜು ಮಾಡುವುದು.
  • ಕೋರ್ನೊಂದಿಗೆ ಮಾಪನಾಂಕ ಮಾಡುತ್ತಿಲ್ಲ. ಲಾಗ್ ಕಾಮೆಂಟ್ ಅನ್ನು ನೇರವಾಗಿ ಮಾಪನಕ್ಕೆ ಸಂಪರ್ಕಿಸದೆ ಸಹಿಗೆ ಸರಿಸಲಾಗುತ್ತಿದೆ.
  • ಗುಣಾಂಕಗಳನ್ನು ಮರೆಮಾಡುವುದು. a, m, n ಮತ್ತು ಮ್ಯಾಟ್ರಿಕ್ಸ್/ದ್ರವ ಊಹೆಗಳನ್ನು ಬರೆಯದೆ ಫಲಿತಾಂಶಗಳನ್ನು ಪ್ರಸ್ತುತಪಡಿಸುವುದು.

ಸಾರಾಂಶದಲ್ಲಿ

  • ಬಾವಿ ದಾಖಲೆಗಳು ಪರೋಕ್ಷ ಅಳತೆಗಳಾಗಿವೆ; ಒಟ್ಟಿಗೆ ಓದಲಾಗುತ್ತದೆ ಮತ್ತು ಕೋರ್ ಮೂಲಕ ಮಾಪನಾಂಕ ಮಾಡಲಾಗುತ್ತದೆ.
  • ಲಾಗ್ ಡೇಟಾ ರಚನೆ ಮತ್ತು ಪೆಟ್ರೋಫಿಸಿಕಲ್ ವ್ಯಾಖ್ಯಾನವನ್ನು ರಚಿಸುವಲ್ಲಿ AI ಶಕ್ತಿಯುತವಾಗಿದೆ; ಆದರೆ ಇದಕ್ಕೆ ರೂಪಾಂತರದ ಅಗತ್ಯವಿದೆ, ನಿರ್ಣಯ/ತಯಾರಿಕೆಯಲ್ಲ.
  • ಆರ್ಚಿ ಸಮೀಕರಣವು ನೀರಿನ ಶುದ್ಧತ್ವಕ್ಕೆ ಭೌತಿಕ ಪರಿಶೀಲನೆ ಆಧಾರವಾಗಿದೆ; ಜೇಡಿಮಣ್ಣಿನ ವಲಯಗಳಲ್ಲಿ ಕ್ಲೇ-ಸರಿಪಡಿಸಿದ ಮಾದರಿಗಳು ಅಗತ್ಯವಿದೆ.
  • ಕ್ಯಾಲಿಪರ್ ಮತ್ತು ಡೇಟಾ ಗುಣಮಟ್ಟ ನಿಯಂತ್ರಣವು ನಕಲಿ ಸರಂಧ್ರ ಬಲೆಗಳನ್ನು ತಡೆಯುತ್ತದೆ.
  • ಕೋರ್ ಮತ್ತು ವೆಲ್ ಪರೀಕ್ಷೆಯು ಸಾಕ್ಷ್ಯದ ಶ್ರೇಣಿಯ ಮೇಲ್ಭಾಗದಲ್ಲಿದೆ; ಕೆಳಭಾಗದಲ್ಲಿ, AI ಭವಿಷ್ಯ ಮಾತ್ರ ಸಾಕಾಗುವುದಿಲ್ಲ.

ಅಪ್ಲಿಕೇಶನ್ ಕಾರ್ಯ

ಬಾವಿಯ (ಪ್ರತಿನಿಧಿ) ಲಾಗ್ ಸೆಟ್‌ನಿಂದ 20-30 ಮೀಟರ್ ಮಧ್ಯಂತರವನ್ನು ಆಯ್ಕೆಮಾಡಿ. ಶಕ್ತಿಯುತ ಪ್ರಾಂಪ್ಟ್‌ನೊಂದಿಗೆ ಕರ್ವ್ ಇನ್ವೆಂಟರಿ, Vshale, ಸರಂಧ್ರತೆ ಮತ್ತು ನೀರಿನ ಸ್ಯಾಚುರೇಶನ್ ಡ್ರಾಫ್ಟ್ ಅನ್ನು ರಚಿಸಿ. ನಂತರ: (1) ಕ್ಯಾಲಿಪರ್ ವಿಸ್ತರಣೆಯೊಂದಿಗೆ ವಲಯವಿದೆಯೇ ಎಂದು ಪರಿಶೀಲಿಸಿ, (2) ಆರ್ಚಿ ಸಮೀಕರಣಕ್ಕೆ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಹಾಕುವ ಮೂಲಕ ಹಸ್ತಚಾಲಿತವಾಗಿ Sw ಫಲಿತಾಂಶವನ್ನು ಒದಗಿಸಿ, (3) ವಲಯಗಳಲ್ಲಿ ಒಂದು ಜೇಡಿಮಣ್ಣಿನಾಗಿದ್ದರೆ ಸಿಮಾಂಡೌಕ್ಸ್ ಅಗತ್ಯವಿದೆಯೇ ಎಂದು ಚರ್ಚಿಸಿ. ಕನಿಷ್ಠ ಒಂದು ಹಂತದಲ್ಲಿ ಮಾದರಿಯ ಊಹೆಯನ್ನು (ಉದಾ. ಮ್ಯಾಟ್ರಿಕ್ಸ್ ಸಾಂದ್ರತೆ) ಪ್ರಶ್ನಿಸಿ.

ಪರಿಶೀಲನಾಪಟ್ಟಿ

  • [ ] ಮೂಲಭೂತ ದಾಖಲೆಗಳ (GR, ಪ್ರತಿರೋಧ, ಸಾಂದ್ರತೆ, ನ್ಯೂಟ್ರಾನ್, ಸೋನಿಕ್) ಭೌತಿಕ ಅರ್ಥ ಮತ್ತು ಒಟ್ಟಿಗೆ ಓದುವುದು ನನಗೆ ತಿಳಿದಿದೆ.
  • [ ] ಲಾಗ್ ಡೇಟಾವನ್ನು ರಚಿಸುವಾಗ ನಾನು ರೂಪಾಂತರವನ್ನು ಬಯಸುತ್ತೇನೆ, ನಾನು ಕಾಣೆಯಾದ ಲಾಗ್ ಅನ್ನು ರಚಿಸುವುದಿಲ್ಲ.
  • [ ] ನಾನು ಭೌತಿಕ ಗಡಿಗಳು ಮತ್ತು ಆರ್ಚಿ/ಸಿಮಾಂಡೌಕ್ಸ್‌ನೊಂದಿಗೆ ಸರಂಧ್ರತೆ ಮತ್ತು ನೀರಿನ ಶುದ್ಧತ್ವವನ್ನು ನಿಯಂತ್ರಿಸುತ್ತೇನೆ.
  • [ ] ನಾನು ಕ್ಯಾಲಿಪರ್/ಡೇಟಾ ಗುಣಮಟ್ಟದ ಬಲೆಗಳನ್ನು (ಪಾಳುಬಿದ್ದ ರಂಧ್ರ) ಗುರುತಿಸುತ್ತೇನೆ.
  • [ ] ನಾನು ಕೋರ್ ಮತ್ತು ವೆಲ್ ಪರೀಕ್ಷೆಯೊಂದಿಗೆ ಲಾಗ್ ವ್ಯಾಖ್ಯಾನವನ್ನು ಮಾಪನಾಂಕ ಮಾಡುತ್ತೇನೆ ಮತ್ತು ಪರಿಶೀಲಿಸುತ್ತೇನೆ.