Ieguvumi:
- Spēja izskaidrot darbplūsmu porainības, caurlaidības un rezervuāra īpašību prognozēšanā ar AI
- Spēja pozicionēt mašīnmācīšanos labi žurnālu interpretācijā, fasiju klasifikācijā un ražošanas prognozēšanā
- Spēja pārbaudīt rezervuāra izvadi, izmantojot fiziskās robežas, urbumu testēšanu un nenoteiktības analīzi
Naftas vai gāzes rezervuārs ir neredzama šķidrumu dārgumu krātuve, kas ieslodzīta porainā klintī, jūdzes zem virsmas. Mēs to nevaram redzēt tieši; Mēs to "lasām" tikai ar baļķiem, serdeņiem, seismiskajām ēnām un ražošanas datiem, ko saņemam no akām. Rezervuāra raksturojums ir uzdevums pēc šiem netiešajiem mērījumiem rekonstruēt, cik daudz šķidruma iezis satur (porainība), cik viegli tas izdala šķidrumu (caurlaidība) un kāda ir rezervuāra trīsdimensiju struktūra. AI ir spēcīgs šajā jomā: interpretē aku baļķus, klasificē fasijas (iežu tipu kopumus), prognozē porainības un caurlaidības attiecības un modelē ražošanas tendences. Taču rezervuāri, tāpat kā citi ģeoloģiskie lauki, ir pilni ar nenoteiktību, un ne visas prognozes var būt lēmuma pamatā, ja tās nav saistītas ar fiziskām robežām, urbumu testēšanu un nenoteiktības analīzi.
Šajā nodaļā mēs apskatīsim trīs rezervuāra izpētes AI aspektus: urbuma baļķu interpretāciju un fasiju klasifikāciju (iežu veida un īpašību ieguve no apaļkokiem), porainības caurlaidības prognozēšanu (rezervuāra kvalitātes prognozēšanu) un ražošanas prognozēšanu (cik urbums ražos nākotnē). Ģeostatistika arī šeit ir mugurkauls; Mēs aizpildām vietu starp akām ar variogrammu un simulāciju. Piezīme: naftas un gāzes nozare ir komerciāli ļoti jutīga; Visi paraugi tiek pētīti ar anonīmām un reprezentatīvām vērtībām.
Aku baļķu interpretācija un fasiju klasifikācija
Aku baļķi ir līknes, kas nepārtraukti mēra iežu fizikālās īpašības gar urbumu: gamma staru (mālu saturs), pretestību (šķidruma veids - ūdens/ogļūdeņradis), blīvumu un neitronu (porainība), skaņas (ieža cietība). Naftas ģeologs kopā nolasa šīs līknes un katrā dziļumā iegūst iežu veidu un šķidrumu. Šī ir modeļu atpazīšana, un mākslīgais intelekts tajā ir ļoti labs: konsekventi sašķirot desmitiem tūkstošu metru baļķu fasijās.
Bet ir divi ierobežojumi. Pirmkārt, žurnāla interpretācija ir modelis, nevis mērījums; Viens un tas pats žurnāls var būt atvērts dažādām fasiju interpretācijām. Otrkārt, ja modelis akli pārnes vienā laukā apgūtās log-facies attiecības uz citu lauku (atšķirīga nogulsnēšanās vide, atšķirīga diaģenēze), tas pieļauj nopietnas kļūdas. Tāpēc faciesa izvade tiek kalibrēta ar pamatdatiem; Kodols ir enkurs, kas savieno baļķu interpretāciju ar pamata patiesību.
Padoms. Pirms uzticaties fasijas modeļa izvadei, pajautājiet: “kurām urbumiem ir veikta serdeņa un cik precīzs ir modelis šajās akās?” jautāt. Neapstiprināta fasiju aplēse ir nepārbaudīta hipotēze, lai arī cik ticama tā šķistu.
Porainība un caurlaidība: vissvarīgākā atšķirība
Divas rezervuāra kvalitātes atslēgas ir porainība un caurlaidība, un atšķirība starp tām ir viens no svarīgākajiem AI izmantošanas punktiem. Porainība ir iežu tukšumu attiecība, un to var iegūt no baļķiem ar saprātīgu precizitāti. Caurlaidība ir tas, cik viegli šķidrums plūst cauri akmenim un netiek mērīts tieši no baļķiem; bet tas tiek lēsts netieši. Caurlaidība ir eksponenciāli jutīga pret nelielām porainības izmaiņām un ir atkarīga no poru ģeometrijas, plaisām un cementēšanas.
Tāpēc caurlaidības prognozēšana ar mašīnmācību ir gan pievilcīga, gan bīstama. Modelis apgūst porainību serdes akās un caurlaidību no citiem baļķiem; bet attiecības, ko tā uzzina, ir raksturīgas šai fācijai un šim spiediena un temperatūras stāvoklim. Ekstrapolācija uz citu litoloģiju vai aku bez serdeņiem (pārvietošanās ārpus apgūtā diapazona) radīs lielas kļūdas. Caurlaidības novērtējums jāsaista ar serdes mērījumiem un urbuma testēšanu (spiediena krituma/pietūkuma testi parāda faktisko plūsmas uzvedību).
Uzmanību: pat ja caurlaidības novērtējums rada "labu izskatu", tas nav uzticams, ja to izmanto ārpus apmācības datu šķiedru un spiediena apstākļiem. Modelis apgūst korelāciju, nevis fizisku faktu; vienmēr pārbaudiet ar galveno un labi testēšanu.
Ražošanas prognoze un nenoteiktība
Cik daudz urbuma ražos nākotnē, ir atkarīgs no tā, cik daudz šķidruma rezervuārs satur un piegādā. Klasiskās metodes (pagrimuma līknes analīze) paplašina pagātnes ražošanas tendenci nākotnē; AI bagātina šo tendenci ar vairāku urbumu datiem un mācās no blakus esošo urbumu modeļiem. Bet ražošanas prognozēšana pēc būtības ir neskaidra: rezervuārs ir neviendabīgs, mainās spiediens, mainās darbības apstākļi. Tāpēc tiek parādīts varbūtības diapazons (zems/vidējs/augsts scenārijs), nevis viena "precīza" ražošanas līkne.
Ģeostatistika rada arī nenoteiktību, piepildot tilpumu starp urbumiem. Tādas metodes kā secīgā Gausa simulācija rada daudzus vienlīdz ticamus modeļus, nevis vienu "vidējo" modeli; Atšķirība starp šiem modeļiem ir pati nenoteiktība. Mākslīgais intelekts paātrina un interpretē šīs simulācijas; bet rezultāta samazināšana līdz vienam skaitlim rada viltus pārliecību, slēpjot nenoteiktību.
Trīs mini futrāļi: pēc skaitļiem
1. gadījums — ekstrapolācijas kļūda. Caurlaidības modelis, kas tika apmācīts uz trim urbumiem ar kodolu vienā vietā, sniedza prognozi, kas ceturtajā iedobē šķita ideāla. Bet šī aka bija mālainā veidā, un modelis nekad nebija redzējis šo intervālu; aku pārbaude parādīja, ka faktiskā caurlaidība ir aptuveni viena piektā daļa no aplēses. Modelis tika nopietni sajaukts ar "laba izskata" grafiku; Akas pārbaudes enkurs atklāja kļūdu.
2. gadījums — faciesa kalibrēšana. Vienā gāzes laukā mākslīgais intelekts ātri sašķiroja fasijās 14 aku baļķus. Salīdzinot ar trim urbumiem ar serdeņiem, zona, kas modelī tika klasificēta kā “tīrs smilšakmens”, patiesībā bija salauzta, zemas kvalitātes vienība. Ar serdeņa kalibrēšanu modelis tika atkārtoti apmācīts un rezervuāra tilpuma novērtējums tika samazināts līdz reālam līmenim.
3. gadījums — scenārija godīgums. Ražošanas prognozē modelis sniedza vienu līkni un desmit gadu produkciju izteica nepāra skaitļos. Kad komanda ģenerēja zemu/vidēju/augstu scenāriju, izmantojot secīgu simulāciju, viņi atklāja, ka diapazons ir ļoti plašs (augstais scenārijs bija aptuveni divreiz zemāks). Šis platums norādīja, ka investīciju lēmumā bija nepieciešama papildu urbuma pārbaude; Viens numurs bīstami slēpa šo nenoteiktību.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Apskatiet šos akas baļķus, aprēķiniet caurlaidību un pastāstiet man, cik daudz aka ražos. [žurnāla dati]
Spēcīga uzvedne:
Jūsu loma: rezervuāra ģeologa palīgs. Norādiet VIENU PRECĪZU NUMURU caurlaidībai un ražošanai, izmantojot tālāk norādītos apaļkokus. Tā vietā:1) Norādiet, kuras akas var apstiprināt ar serdi, veicot faciesa interpretāciju.2) Paskaidrojiet, ka caurlaidības aprēķinu nevar izmērīt tieši no baļķiem, kādos apstākļos (facies/spiediens) tas būs derīgs, un nepieciešamība veikt serdes/urbuma testēšanu.3) Izveidojiet zema/vidēja/augsta scenārija loģiku ražošanai, nevis vienu vienīgo līknes avotu. anonīms; Nav īstas jomas/uzņēmuma.
Četras kopējamas veidnes
1) Log-facies kalibrēšanas pārbaude:
Paskaidrojiet, kurām urbumiem ir serdeņi fasiju klasifikācijai un kā mēs varam izmērīt modeļa precizitāti šajās urbumos. Atzīmēt nepārbaudītās zonas kā "nepārbaudītas"; Neuzticies akli.
2) Caurlaidības pārbaude:
Caurlaidības prognozēšanai: norādiet facies un spiediena diapazonu, kuram modelis ir apmācīts; Atzīmējiet, kuras akas/zonas atrodas ārpus šī diapazona (ekstrapolācija). Uzsveriet, ka prognozei nevajadzētu uzticēties, ja šajās zonās nav veikta pamata un aku pārbaude. Nenorādiet precīzu skaitli.
3) Ražošanas scenārija projekts:
No lejupslīdes līknes/ražošanas datiem izveido zemas, vidējas un augstas ražošanas scenārija loģiku. Paskaidrojiet, uz kādiem pieņēmumiem ir balstīts katrs scenārijs un ko nozīmē atšķirības starp tiem. Netiek piedāvāta neviena "precīza" līkne.
4) Nenoteiktības simulācijas interpretācija:
Interpretējiet vairāku vienādi iespējamu ģeostatistisko modeļu (piemēram, secīgas simulācijas) rezultātu: cik plašs ir apjoma novērtējuma sadalījums, kurš reģions ir visneskaidrākais un ar kādiem papildu datiem (labi, seismiskiem) šī nenoteiktība tiek samazināta? Samazina līdz vienam skaitlim.
Rezervuāra specifikācija, izmērāmība un pārbaude
funkcija/izvade
Vai to var izmērīt no baļķiem?
AI risks
verifikācijas enkurs
porainība
Iegūts ar saprātīgu precizitāti
Kalibrēšanas novirze
Serdes porainība
caurlaidība
Nē, netiešs minējums
Ekstrapolācijas kļūda
Kodola + akas tests
fasijas
Komentārs (modelis)
Izbraukuma transportēšana
galvenā definīcija
Šķidruma veids
Es secinu no pretestības
nepareizs komentārs
Spiediena/parauga pārbaude
Ražošanas prognoze
tendences paplašinājums
viltus pārliecība
Scenārijs + akas tests
Padoms: par katru rezervuāra novērtējumu "kāds tiešais mērījums varētu to atspēkot?" Pārbaudiet to, sakot. Kodols porainībai, urbuma caurlaidības pārbaude, serdes definīcija fasijai. Prognoze, ko nevar atspēkot ar tiešu mērījumu palīdzību, vēl nav apstiprināta.
Biežas kļūdas
- Caurlaidības uztveršana kā porainība. Caurlaidību nemēra tieši no apaļkokiem; Ekstrapolācija rada lielas kļūdas, būtiska ir kodola/iedobes pārbaude.
- Izmantojot fasiju modeli bez kodola. Fācija, kas nav kalibrēta ar kodolu, ir nepārbaudīta hipotēze.
- Iemācīto attiecību pārnešana uz citu jomu. Atšķirīga nogulsnēšanās vide un diaģenēze maina log-iezīmju attiecības.
- Ražošanas prezentēšana ar vienu līkni. Ja scenārijos nav norādīta nenoteiktība, lēmums par ieguldījumu ir balstīts uz nepatiesu noteiktību.
- Simulācijas samazināšana līdz vidējam. Vairāki modeļi norāda uz nenoteiktību; Samazinot to līdz vienam skaitlim, informācija tiek iznīcināta.
Rezumējot
- Rezervuārs ir neredzams; To nolasa netieši ar žurnāliem, kodoliem, seismiskiem un ražošanas datiem, un katra prognoze ir saistīta ar nenoteiktību.
- Porainību var iegūt no apaļkokiem; Caurlaidība netiek mērīta tieši, tā ir jāapvieno ar serdes un urbuma pārbaudi.
- Facies klasifikācija ir modelis; nav uzticami, ja to nekalibrē ar serdi un transportē ārpus objekta.
- Iegūtās attiecības ir raksturīgas izglītības apstākļiem; Ekstrapolācija ir visizplatītākā un bīstamākā kļūda.
- Ražošana un apjoms tiek parādīts nevis ar vienu skaitli, bet ar varbūtības scenāriju un simulāciju, skaidri norādot nenoteiktību.
Lietojumprogrammas uzdevums
Iegūstiet anonimizētu aku žurnālu (vai reprezentatīvu vērtību) kopu. Lieciet modelim noskaidrot, kuras zonas ir pakļautas ekstrapolācijas riskam, izmantojot "caurlaidības validācijas" veidni; Pārbaudiet, vai tas stimulē zonu, apzināti novietojot to ārpus treniņu diapazona. Pēc tam izmantojiet veidni "ražošanas scenārija melnraksts", lai izveidotu zemu/vidēju/augstu scenāriju, nevis vienu līkni, un komentējiet diapazona platumu teikumā.
kontrolsaraksts
- [ ] Es zinu atšķirību izmērāmībā starp porainību un caurlaidību un ka caurlaidībai ir nepieciešama serdes/iekas pārbaude.
- [ ] Es neuzskatu, ka fasiju klasifikācija ir uzticama, ja tā nav kalibrēta ar serdi.
- [ ] Es atzīstu risku ekstrapolēt apgūtās attiecības uz citu lauku/nosacījumu.
- [ ] Es piedāvāju ražošanu un apjomu ar varbūtības scenārijiem un simulācijām atsevišķu skaitļu vietā.
- [ ] "Kāds tiešais mērījums varētu atspēkot katru rezervuāra novērtējumu?" Es to pārbaudu ar jautājumu.