Pelnas:
- Gebėjimas paaiškinti darbo eigą numatant poringumą, pralaidumą ir rezervuaro savybes naudojant AI
- Gebėjimas pozicionuoti mašininį mokymąsi šulinių žurnalų interpretacijoje, facies klasifikacijoje ir gamybos prognozėse
- Gebėjimas patikrinti rezervuaro išeigas per fizines ribas, gręžinių testavimą ir neapibrėžtumo analizę
Naftos ar dujų rezervuaras yra nematomas skysčių lobis, įstrigęs poringoje uolienoje, myliomis žemiau paviršiaus. Mes negalime to matyti tiesiogiai; Ją „skaitome“ tik su rąstais, šerdimis, seisminiais šešėliais ir gamybos duomenimis, kuriuos gauname iš gręžinių. Rezervuaro apibūdinimas yra užduotis iš šių netiesioginių matavimų atkurti, kiek uolienoje yra skysčio (poringumas), kaip lengvai ji išskiria skystį (pralaidumas) ir kokia yra rezervuaro trimatė struktūra. Dirbtinis intelektas yra galingas šioje srityje: interpretuoja šulinių rąstus, klasifikuoja facijas (uolienų tipų sąrankas), prognozuoja poringumo ir laidumo ryšius ir modeliuoja gamybos tendencijas. Tačiau rezervuarai, kaip ir kiti geologiniai laukai, yra kupini neapibrėžtumo, ir ne kiekviena prognozė gali būti sprendimo pagrindas, nesusietas su fizinėmis ribomis, gręžinių bandymais ir neapibrėžtumo analize.
Šiame skyriuje apžvelgsime tris rezervuaro tyrimo AI aspektus: gręžinio rąsto interpretaciją ir fasijų klasifikavimą (uolienų tipo ir savybių išgavimas iš rąstų), poringumo ir laidumo prognozavimą (tvenkinio kokybės numatymą) ir produkcijos prognozavimą (kiek šulinys gamins ateityje). Geostatistika čia taip pat yra pagrindas; Tarpą tarp šulinių užpildome variograma ir modeliavimu. Pastaba: naftos ir dujų sektorius komerciškai labai jautrus; Visi mėginiai tiriami naudojant anonimines ir reprezentatyvias vertes.
Šulinių rąstų interpretacija ir veido klasifikacija
Šulinių rąstai yra kreivės, nuolat matuojančios fizines uolienų savybes išilgai gręžinio: gama spinduliuotę (molio kiekį), varžą (skysčio tipas – vanduo/angliavandenilis), tankį ir neutronus (poringumas), garsinį (uolienų kietumą). Naftos geologas kartu nuskaito šias kreives ir kiekviename gylyje išskiria uolienų tipą ir skystį. Tai yra modelio atpažinimas, o dirbtinis intelektas tam puikiai sekasi: nuosekliai rūšiuoja dešimtis tūkstančių metrų rąstų į fasijas.
Tačiau yra dvi ribos. Pirma, žurnalo interpretacija yra modelis, o ne matavimas; Tas pats žurnalas gali būti įvairiai interpretuojamas. Antra, jei modelis aklai perkelia viename lauke išmoktą log-facies ryšį į kitą lauką (skirtinga nusėdimo aplinka, skirtinga diagenezė), daro rimtų klaidų. Todėl facies išvestis kalibruojama naudojant pagrindinius duomenis; Šerdis yra inkaras, jungiantis rąsto interpretaciją su pagrindine tiesa.
Patarimas: prieš pasitikėdami fasinio modelio išvestimi, paklauskite „kuriose šuliniuose buvo šuliniai ir koks tikslus yra tų šulinių modelis? paklausti. Nepatvirtintas facijų įvertinimas yra nepatikrinta hipotezė, kad ir kokia tikėtina ji atrodytų.
Poringumas ir pralaidumas: svarbiausias skirtumas
Du raktai į rezervuaro kokybę yra poringumas ir pralaidumas, o skirtumas tarp jų yra vienas iš svarbiausių AI naudojimo aspektų. Poringumas yra uolienų tuštumų santykis, kurį galima pakankamai tiksliai nustatyti iš rąstų. Pralaidumas yra tai, kaip lengvai skystis teka per uolieną ir nėra matuojamas tiesiai iš rąstų; bet jis vertinamas netiesiogiai. Pralaidumas yra eksponentiškai jautrus mažiems poringumo pokyčiams ir priklauso nuo porų geometrijos, įtrūkimų ir cementavimo.
Štai kodėl pralaidumo prognozavimas naudojant mašininį mokymąsi yra patrauklus ir pavojingas. Modelis sužino apie poringumą šuliniuose ir pralaidumą iš kitų rąstų; bet santykis, kurį ji išmoksta, yra būdingas toms facijoms ir toms slėgio-temperatūros sąlygoms. Ekstrapoliuojant į kitą litologiją arba į šulinį be šerdies (judant už išmokto diapazono) bus padaryta didelių klaidų. Pralaidumo įvertinimas turi būti susietas su šerdies matavimu ir gręžinio bandymu (slėgio kritimo / išsipūtimo bandymai rodo tikrą srauto elgesį).
Atsargiai: net jei pralaidumo įvertinimas sukuria „gerai atrodantį“ grafiką, jis yra nepatikimas, jei taikomas už treniruočių duomenų facies ir slėgio sąlygų. Modelis mokosi koreliacijos, o ne fizinio fakto; visada testuokite naudodami pagrindinius ir šulinius.
Gamybos prognozė ir neapibrėžtumas
Kiek gręžinio pagamins ateityje, priklauso nuo to, kiek skysčių rezervuaras sulaiko ir tiekia. Klasikiniai metodai (sumažėjimo kreivės analizė) praplečia praeities gamybos tendenciją į ateitį; AI praturtina šią tendenciją kelių šulinių duomenimis ir mokosi iš gretimų šulinių modelių. Tačiau gamybos prognozavimas iš prigimties yra neapibrėžtas: rezervuaras yra nevienalytis, kinta slėgis, keičiasi eksploatavimo sąlygos. Todėl pateikiamas tikimybinis diapazonas (žemas/vidutinis/didelis scenarijus), o ne viena „tiksli“ gamybos kreivė.
Geostatistika taip pat turi neapibrėžtumą užpildant tūrį tarp šulinių. Tokie metodai kaip nuoseklus Gauso modeliavimas sukuria daug vienodai tikėtinų modelių, o ne vieną „vidutinį“ modelį; Skirtumas tarp šių modelių yra pats netikrumas. Dirbtinis intelektas pagreitina ir interpretuoja šiuos modeliavimus; tačiau rezultato sumažinimas iki vieno skaičiaus sukuria klaidingą pasitikėjimą, nes slepiasi neapibrėžtumas.
Trys mini dėklai: pagal numerius
1 atvejis – ekstrapoliacijos klaida. Pralaidumo modelis, parengtas trijuose šuliniuose vienoje vietoje, davė prognozę, kuri pasirodė tobula ketvirtajame šulinyje. Tačiau šis šulinys buvo molingesnio veido ir modelis niekada nebuvo matęs tokio intervalo; šulinėlių bandymai parodė, kad tikrasis pralaidumas yra maždaug penktadalis apskaičiuoto. Modelis buvo rimtai klaidingas dėl „gerai atrodančio“ grafiko; Šulinio bandymo inkaras užfiksavo klaidą.
2 atvejis – Facies kalibravimas. Viename dujų telkinyje dirbtinis intelektas greitai surūšiavo 14 šulinių rąstus į fasijas. Palyginus su trimis šuliniais su trimis šuliniais, zona, kurią modelis klasifikavo kaip „švarų smiltainį“, iš tikrųjų buvo suskilęs, žemos kokybės įrenginys. Kalibruojant šerdį, modelis buvo perkvalifikuotas, o rezervuaro tūrio įvertinimas sumažintas iki realaus lygio.
3 atvejis – scenarijaus sąžiningumas. Gamybos prognozėje modelis pateikė vieną kreivę ir dešimties metų gamybą išreiškė nelyginiais skaičiais. Kai komanda sukūrė žemą / vidutinį / aukštą scenarijų, atlikdama nuoseklų modeliavimą, jie nustatė, kad diapazonas buvo labai platus (didelis scenarijus buvo maždaug dvigubai mažesnis). Šis plotis parodė, kad priimant sprendimą dėl investicijų reikėjo atlikti papildomus gręžinių bandymus; Vienintelis skaičius pavojingai slėpė šį netikrumą.
Silpnas raginimas / stiprus raginimas
Silpnas raginimas:
Pažvelkite į šiuos šulinių rąstus, apskaičiuokite pralaidumą ir pasakykite, kiek šulinys duos. [žurnalo duomenys]
Galingas raginimas:
Jūsų vaidmuo: rezervuaro geologo padėjėjas. Pateikiant VIENĄ TIKSLIŲ SKAIČIŲ pralaidumui ir gamybai su toliau pateiktais rąstais. Vietoj to:1) Nurodykite, kuriuos šulinius galima patvirtinti šerdimi, kai interpretuojate fasiją.2) Paaiškinkite, kad pralaidumo įvertis negali būti išmatuotas tiesiogiai iš rąstų, kokiomis sąlygomis (facies/slėgis) jis galios, ir ar reikia atlikti šerdies/šulinių tyrimus.3) Nustatyti žemo/vidutinio/aukšto scenarijaus logiką gamybai, o ne vieną rezultato šaltinį. anoniminis; Nėra tikros srities/įmonės.
Keturi kopijuojami šablonai
1) Log facies kalibravimo patikra:
Paaiškinkite, kuriuose šuliniuose yra šuliniai, kad būtų galima klasifikuoti faciesą ir kaip galime išmatuoti modelio tikslumą šiuose šuliniuose. Nepatvirtintas zonas pažymėti kaip "neišbandytas"; Nepasitikėk aklai.
2) Pralaidumo patvirtinimas:
Pralaidumo prognozavimui: nurodykite fazes ir slėgio diapazoną, kuriam modelis parengtas; Pažymėkite, kurie šuliniai/zonos yra už šio diapazono ribų (ekstrapoliacija). Pabrėžkite, kad prognozėmis nereikėtų pasitikėti be pagrindinių ir šulinių patikrinimo šiose zonose. Tikslaus skaičiaus nenurodykite.
3) Gamybos scenarijaus projektas:
Iš nuosmukio kreivės / gamybos duomenų nustato žemos, vidutinės ir didelės gamybos scenarijų logiką. Paaiškinkite, kokiomis prielaidomis grindžiamas kiekvienas scenarijus ir ką reiškia jų skirtumai. Nesuteikia vienos „tikslios“ kreivės.
4) Neapibrėžtumo modeliavimo interpretacija:
Interpretuokite kelių vienodai tikėtino geostatistinio modelio (pvz., nuoseklaus modeliavimo) išvestį: koks platus yra tūrio įvertinimo pasiskirstymas, kuris regionas labiausiai neapibrėžtas ir kokiais papildomais duomenimis (na, seisminiais) šis neapibrėžtis susiaurėja? Sumažinti iki vieno skaičiaus.
Rezervuaro specifikacija, išmatavimas ir patikrinimas
funkcija / išvestis
Ar galima išmatuoti iš rąstų?
AI rizika
patvirtinimo inkaras
poringumas
Išvestas pagrįstu tikslumu
Kalibravimo poslinkis
Šerdies poringumas
pralaidumas
Ne, netiesioginis spėjimas
Ekstrapoliacijos klaida
Šerdies + šulinio testas
veidai
Komentuoti (modelis)
Transportas ne vietoje
pagrindinis apibrėžimas
Skysčio tipas
Aš darau išvadą iš varžos
neteisingas komentaras
Slėgio/mėginio tyrimas
Gamybos prognozė
tendencijos pratęsimas
klaidingas tikrumas
Scenarijus + šulinio testas
Patarimas: „Koks tiesioginis matavimas galėtų tai paneigti kiekvienam rezervuaro įvertinimui? Išbandykite tai sakydami. Šerdis akytumui nustatyti, šulinėlių pralaidumo testas, šerdies apibrėžimas fasijai nustatyti. Prognozė, kurios negalima paneigti tiesioginiu matavimu, dar nepasitvirtino.
Dažnos klaidos
- Matyti pralaidumą kaip poringumą. Pralaidumas nėra matuojamas tiesiai iš rąstų; Ekstrapoliacija suteikia didelių klaidų, todėl būtina atlikti branduolio / šulinio testavimą.
- Facies modelio be šerdies naudojimas. Facija, kurios nesukalibravo šerdis, yra nepatikrinta hipotezė.
- Išmokto santykio perkėlimas į kitą sritį. Skirtinga nusėdimo aplinka ir diagenezė keičia logaritminio požymio ryšį.
- Gamybos pristatymas viena kreive. Jei scenarijuose neapibrėžtumas nepateikiamas, sprendimas dėl investavimo yra pagrįstas klaidingu tikrumu.
- Modeliavimo sumažinimas iki vidurkio. Keli modeliai rodo neapibrėžtumą; Sumažinus jį iki vieno skaičiaus, informacija sunaikinama.
Apibendrinant
- Rezervuaras nematomas; Jis skaitomas netiesiogiai naudojant žurnalus, branduolius, seisminius ir gamybos duomenis, o kiekviena prognozė yra neapibrėžta.
- Poringumas gali būti gaunamas iš rąstų; Pralaidumas nėra matuojamas tiesiogiai, jis turi būti sujungtas su šerdies ir šulinio bandymais.
- Facies klasifikacija yra modelis; nepatikimi, nesukalibravus šerdies ir negabenus už objekto ribų.
- Išmoktas santykis būdingas ugdymo sąlygoms; Ekstrapoliacija yra labiausiai paplitusi ir pavojingiausia klaida.
- Gamyba ir apimtis pateikiami ne vienu skaičiumi, o tikimybiniu scenarijumi ir modeliavimu, aiškiai nurodant neapibrėžtumą.
Taikymo užduotis
Gaukite anoniminį šulinių žurnalų rinkinį (arba tipines vertes). Leiskite modeliui išsiaiškinti, kurioms zonoms gresia ekstrapoliacija naudojant „pralaidumo patvirtinimo“ šabloną; Išbandykite, ar jis stimuliuoja zoną sąmoningai pastatydamas ją už treniruočių diapazono ribų. Tada naudokite „gamybos scenarijaus juodraščio“ šabloną, kad sukurtumėte žemą / vidutinį / aukštą scenarijų, o ne vieną kreivę, ir sakinyje komentuokite diapazono plotį.
kontrolinis sąrašas
- [ ] Žinau akytumo ir pralaidumo išmatavimo skirtumą ir kad pralaidumui reikia atlikti šerdies/šulinėlių bandymus.
- [ ] Nemanau, kad fasijų klasifikacija yra patikima, nekalibravus jos su šerdimi.
- [ ] Pripažįstu riziką ekstrapoliuoti išmoktą ryšį į kitą sritį/sąlygą.
- [ ] Gamybą ir apimtį pateikiu su tikimybiniais scenarijais ir modeliavimais, o ne pavieniais skaičiais.
- [ ] "Koks tiesioginis matavimas galėtų paneigti kiekvieną rezervuaro įvertinimą?" Aš išbandau tai su klausimu.