യൂണിറ്റുകൾ
1. പെട്രോളിയം ആൻഡ് നാച്ചുറൽ ഗ്യാസ് എഞ്ചിനീയറിംഗിലെ ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ആൻ്റ് വെരിഫിക്കേഷൻ ഡിസിപ്ലിനിലേക്കുള്ള ആമുഖം 2. ഡ്രില്ലിംഗ് ഡാറ്റ, വെൽ ലോഗുകൾ, പെട്രോഫിസിക്കൽ ഇൻ്റർപ്രെട്ടേഷൻ 3. സീസ്മിക് ഡാറ്റ അനാലിസിസ്, ഫീച്ചർ എക്സ്ട്രാക്ഷൻ, സ്ട്രക്ചറൽ ഇൻ്റർപ്രെട്ടേഷൻ 4. റിസർവോയർ സ്വഭാവം, ഫെയ്സ് മോഡലിംഗ്, ജിയോസ്റ്റാറ്റിസ്റ്റിക്സ് 5. പ്രൊഡക്ഷൻ പ്രവചനം, ഡ്രോഡൗൺ കർവ് വിശകലനം, റിസർവ് എസ്റ്റിമേഷൻ 6. ഡ്രില്ലിംഗും പ്രൊഡക്ഷൻ ഒപ്റ്റിമൈസേഷനും 7. പ്രവചനാത്മക പരിപാലനവും ഉപകരണങ്ങളുടെ വിശ്വാസ്യതയും 8. എച്ച്എസ്ഇ, പ്രോസസ്സ് സേഫ്റ്റി, ഓപ്പറേഷണൽ റിസ്ക് 9. പൈപ്പ് ലൈൻ മോണിറ്ററിംഗ്, ലീക്ക് ഡിറ്റക്ഷൻ, ഇൻ്റഗ്രിറ്റി മാനേജ്മെൻ്റ് 10. പൈത്തൺ ഉപയോഗിച്ചുള്ള ഡാറ്റ വിശകലനം: ഓയിൽ-ഗ്യാസ് വർക്ക്ഫ്ലോകൾ 11. റെഗുലേറ്ററി, എത്തിക്സ്, ഡാറ്റ പ്രൈവസി, ഹോളിസ്റ്റിക് വെരിഫിക്കേഷൻ ഗവേണൻസ്
യൂണിറ്റ് 4 / 11

റിസർവോയർ സ്വഭാവം, ഫെയ്സ് മോഡലിംഗ്, ജിയോസ്റ്റാറ്റിസ്റ്റിക്സ്

നേട്ടങ്ങൾ:

  • റിസർവോയർ പ്രോപ്പർട്ടികളുടെ (പോറോസിറ്റി, പെർമാസബിലിറ്റി, വാട്ടർ സാച്ചുറേഷൻ) 3D ഡിസ്ട്രിബ്യൂഷൻ AI, ജിയോസ്റ്റാറ്റിസ്റ്റിക്സ് എന്നിവ ഉപയോഗിച്ച് എങ്ങനെ രൂപപ്പെടുത്തിയിരിക്കുന്നു എന്ന് വിശദീകരിക്കാനുള്ള കഴിവ്
  • ഫേസിസ് മോഡലിംഗ്, വേരിയോഗ്രാം, ക്രിഗിംഗ്, മെഷീൻ ലേണിംഗ് എന്നിവ ഉപയോഗിച്ച് ഫീച്ചർ സ്‌പ്രെഡ് കണ്ടെത്താനുള്ള കഴിവ്
  • മെറ്റീരിയൽ ബാലൻസ്, നല്ല പരിശോധന, അനിശ്ചിതത്വ സാഹചര്യങ്ങൾ എന്നിവ ഉപയോഗിച്ച് റിസർവോയർ മോഡൽ ഔട്ട്പുട്ടുകൾ പരിശോധിക്കാനുള്ള കഴിവ്

ഒരു ഓയിൽ അല്ലെങ്കിൽ ഗ്യാസ് ഫീൽഡ് നിർമ്മിക്കുന്നതിന്, ഞങ്ങൾ ആദ്യം അതിൻ്റെ ഒരു 3D മോഡൽ നിർമ്മിക്കേണ്ടതുണ്ട്: റിസർവോയർ പാറ എവിടെയാണ്, അത് എത്ര സുഷിരമാണ് (പോറോസിറ്റി), എത്ര എളുപ്പത്തിൽ ദ്രാവകം ഒഴുകുന്നു (പ്രവേശനക്ഷമത / പ്രവേശനക്ഷമത), കൂടാതെ ഹൈഡ്രോകാർബണുകൾ കൊണ്ട് എത്ര സുഷിരങ്ങൾ നിറഞ്ഞിരിക്കുന്നു (1 - ജല സാച്ചുറേഷൻ). എന്നാൽ ഞങ്ങൾ കിണർ കുഴിക്കുന്ന സ്ഥലങ്ങളിൽ മാത്രമേ ഈ സവിശേഷതകൾ അളക്കാൻ കഴിയൂ; കിണറുകൾക്കിടയിലുള്ള വലിയ അളവ് ശൂന്യമാണ്, അത് പൂരിപ്പിക്കേണ്ടതുണ്ട്. റിസർവോയർ സ്വഭാവം കിണറുകളിലെ പോയിൻ്റ് അളവുകൾ എടുക്കുകയും ഭൂമിശാസ്ത്രപരമായ യുക്തിയും സ്ഥിതിവിവരക്കണക്കുകളും ഉപയോഗിച്ച് അവയെ മുഴുവൻ വോള്യത്തിലേക്കും വ്യാപിപ്പിക്കുകയും ചെയ്യുന്നു. ഈ യൂണിറ്റിൽ, ഈ വ്യാപന പ്രവർത്തനത്തിൽ ഞങ്ങൾ കൃത്രിമ ബുദ്ധിയും ജിയോസ്റ്റാറ്റിസ്റ്റിക്സും (അനിശ്ചിതത്വത്തോടെ സ്പേഷ്യൽ ഡാറ്റയെ മാതൃകയാക്കുന്ന സ്ഥിതിവിവരക്കണക്കുകളുടെ ശാഖ) ഉപയോഗിക്കുന്നു. മാറ്റമില്ലാത്ത തത്വം: എല്ലാ നല്ല-നല്ല മൂല്യവും ഒരു എസ്റ്റിമേറ്റ് ആണ്, യഥാർത്ഥമായ ഒന്നല്ല; അനിശ്ചിതത്വം മോഡലിൻ്റെ ഭാഗമാണ്, അത് ശാരീരിക സന്തുലിതാവസ്ഥയിലൂടെ പരിശോധിക്കപ്പെടുന്നു.

അടിസ്ഥാന ആശയങ്ങൾ

  • മുഖങ്ങൾ: ഒരു പ്രത്യേക ഡിപ്പോസിഷനൽ പരിതസ്ഥിതിയിൽ (ഉദാ. നദീതട മണൽ, കടൽ ഷെയ്ൽ, റീഫ് ചുണ്ണാമ്പുകല്ല്) രൂപപ്പെട്ട തനതായ ഗുണങ്ങളുള്ള ഒരു പാറ തരം. റിസർവോയറിൻ്റെ ഗുണനിലവാരം മുഖവുമായി ബന്ധപ്പെട്ടിരിക്കുന്നു: ചാനൽ നന്നായി മണൽ കളയുന്നു, പക്ഷേ ഷേൽ അല്ല.
  • വേരിയോഗ്രാം: രണ്ട് പോയിൻ്റുകൾ തമ്മിലുള്ള ദൂരം കൂടുന്നതിനനുസരിച്ച് ഫീച്ചർ സമാനത കുറയുന്നത് എങ്ങനെയെന്ന് വിവരിക്കുന്ന സ്പേഷ്യൽ തുടർച്ചയുടെ അളവ്. ജിയോസ്റ്റാറ്റിസ്റ്റിക്സിൻ്റെ അടിസ്ഥാന ഉപകരണമാണിത്.
  • ക്രിഗിംഗ്: വേരിയോഗ്രാം ഉപയോഗിച്ച് സാമ്പിൾ ചെയ്യാത്ത പോയിൻ്റുകളിൽ മൂല്യം കണക്കാക്കുന്ന ഒരു രീതി, എസ്റ്റിമേഷൻ അനിശ്ചിതത്വത്തോടൊപ്പം.
  • സ്‌റ്റോക്കാസ്റ്റിക് സിമുലേഷൻ: ഒരൊറ്റ "മികച്ച" ഊഹത്തിനുപകരം, ഡാറ്റയുമായി പൊരുത്തപ്പെടുന്ന, തുല്യസാധ്യതയുള്ള നിരവധി മോഡലുകൾ (യാഥാർത്ഥ്യങ്ങൾ) നിർമ്മിക്കുന്നു; ഇത് അനിശ്ചിതത്വം ദൃശ്യമാക്കുന്നു.
  • മെറ്റീരിയൽ ബാലൻസ്: റിസർവോയറിൽ നിന്നുള്ള ദ്രാവകം, മർദ്ദം കുറയൽ, ശേഷിക്കുന്ന അളവ് എന്നിവ തമ്മിലുള്ള സംരക്ഷണ ബന്ധം; മോഡൽ വോളിയം സ്വതന്ത്രമായി പരിശോധിക്കുന്ന ഫിസിക്കൽ ആങ്കർ.
സൂചന: റിസർവോയർ മോഡൽ ഒരു അനിശ്ചിതത്വ വിതരണമാണ്, ഒരൊറ്റ സംഖ്യയല്ല. ശരിയായ ഭാഷ "P90=35, P50=50, P10=72 ദശലക്ഷം ബാരൽ" ആണ്, "50 ദശലക്ഷം ബാരൽ റിസർവ് ചെയ്യുക" എന്നല്ല. ഒരു പോയിൻ്റ് എസ്റ്റിമേറ്റ് അല്ല, ഒരു സാഹചര്യം/വിതരണത്തിനായി AI-യോട് ചോദിക്കുക.

AI-യും ജിയോസ്റ്റാറ്റിസ്റ്റിക്‌സും എങ്ങനെ ഒരുമിച്ച് പ്രവർത്തിക്കുന്നു

ക്ലാസിക്കൽ ജിയോസ്റ്റാറ്റിസ്റ്റിക്‌സ് (ക്രിഗിംഗ്, വേരിയോഗ്രാം) ശക്തമാണ്, പക്ഷേ മൾട്ടിവാരിയേറ്റ്, നോൺലീനിയർ ബന്ധങ്ങളുമായി പോരാടുന്നു. ഇവിടെയാണ് മെഷീൻ ലേണിംഗ് പ്രവർത്തിക്കുന്നത്:

  • മുഖ വർഗ്ഗീകരണം: ലോഗ് സെറ്റിൽ നിന്ന് മുഖങ്ങൾ അസൈൻ ചെയ്യുന്നു (മേൽനോട്ടം വഹിക്കുന്ന പഠനം); തുടർന്ന് ഒരു ഗൈഡായി മുഖങ്ങൾ ഉപയോഗിച്ച് ഫീച്ചർ വിതരണം ചെയ്യുക.
  • ആട്രിബ്യൂട്ട് എസ്റ്റിമേഷൻ: സീസ്മിക് ആട്രിബ്യൂട്ട് + ലോഗ് റിലേഷൻഷിപ്പിൽ നിന്ന് ഇൻറർ-വെൽ പോറോസിറ്റി കണക്കാക്കുന്നു (സീസ്മിക് ഡ്രൈവൺ മോഡലിംഗ്).
  • വിടവ് പൂരിപ്പിക്കൽ: നഷ്‌ടമായ ലോഗ് പൂർത്തിയാക്കുന്നത് അയൽ കിണറുകളിൽ നിന്നും ബന്ധങ്ങളിൽ നിന്നും ന്യായമായും.

എന്നാൽ മെഷീൻ ലേണിങ്ങിന് ജിയോളജിക്കൽ ലോജിക് അറിയില്ല. ഒരു മോഡൽ നിർമ്മിക്കുന്ന പോറോസിറ്റി മാപ്പ് ഡിപ്പോസിഷണൽ പരിതസ്ഥിതിയുമായി പൊരുത്തപ്പെടുന്നില്ലെങ്കിൽ (ഉദാ. ഷെയ്ൽ മുഖങ്ങളിൽ ഉയർന്ന പെർമബിലിറ്റി) തെറ്റാണ്. AI ഔട്ട്‌പുട്ടിൻ്റെ ആദ്യ ഫിൽട്ടറാണ് ജിയോളജിക്കൽ പ്ലാസിബിലിറ്റി.

ഘട്ടം ഘട്ടമായി: റിസർവോയർ മോഡൽ വർക്ക്ഫ്ലോ

  1. ഘടനാപരമായ അസ്ഥികൂടം. ഭൂകമ്പത്തിൽ നിന്നുള്ള ചക്രവാളങ്ങളും പിഴവുകളും ഉപയോഗിച്ച് റിസർവോയറിൻ്റെ ജ്യാമിതി സ്ഥാപിക്കുക (യൂണിറ്റ് 3 ൽ നിന്നുള്ള ഔട്ട്പുട്ട്).
  2. ഫെയ്സ് മോഡൽ. കിണറുകളിൽ മുഖങ്ങൾ നിർണ്ണയിക്കുക (ലോഗ് + കോർ), variogram/geological trend ഉപയോഗിച്ച് വോളിയത്തിലേക്ക് വിതരണം ചെയ്യുക. AI വർഗ്ഗീകരണത്തെ വേഗത്തിലാക്കുന്നു.
  3. ഫീച്ചർ വിന്യാസം. ക്രിഗിംഗ് അല്ലെങ്കിൽ മെഷീൻ ലേണിംഗ് വഴി ഓരോ മുഖങ്ങളിലും സുഷിരം, പ്രവേശനക്ഷമത, ജല സാച്ചുറേഷൻ എന്നിവ വിതരണം ചെയ്യുക; ഭൂകമ്പം ഉണ്ടെങ്കിൽ, ഒരു ഗൈഡ് നേടുക.
  4. അനിശ്ചിതത്വം. സ്‌റ്റോക്കാസ്റ്റിക് സിമുലേഷൻ ഉപയോഗിച്ച് വലിയ തോതിലുള്ള തിരിച്ചറിവുകൾ സൃഷ്ടിക്കുക; P90/P50/P10 വോള്യങ്ങൾ ഔട്ട്പുട്ട് ആണ്.
  5. സ്ഥിരീകരണം. മെറ്റീരിയൽ ബാലൻസും ചരിത്ര പൊരുത്തവും ഉള്ള ടെസ്റ്റ് മോഡൽ വോളിയം; നന്നായി ടെസ്റ്റ് പെർമിബിലിറ്റിയുമായി താരതമ്യം ചെയ്യുക.

മൂന്ന് മിനി കേസുകൾ: അക്കങ്ങൾ പ്രകാരം

കേസ് 1 - ഫെയ്സ് ഗൈഡിൻ്റെ മൂല്യം. ക്രിഗിംഗ് വഴി നേരിട്ട് ഒരു സൈറ്റിൽ പൊറോസിറ്റി ചിതറിക്കുമ്പോൾ, ഉയർന്ന സുഷിരം ഗുണനിലവാരം കുറഞ്ഞ ഷെയ്ൽ സോണുകളിലേക്ക് "ചോർന്നു". ഫെയ്‌സീസ് മോഡൽ ആദ്യമായി സ്ഥാപിക്കുകയും മുഖത്തിനുള്ളിൽ സുഷിരം വിതരണം ചെയ്യുകയും ചെയ്തപ്പോൾ, മോഡൽ യാഥാർത്ഥ്യമാവുകയും സ്‌റ്റോക്കാസ്റ്റിക് വോള്യങ്ങൾ ചുരുങ്ങുകയും ചെയ്തു: P50 വോളിയം 12% കുറഞ്ഞു, എന്നാൽ അനിശ്ചിതത്വ ബാൻഡ് 40% ചുരുങ്ങി. ശരിയായ ഘടന കൂടുതൽ യാഥാർത്ഥ്യവും സുരക്ഷിതവുമായ ഫലങ്ങൾ നൽകി.

കേസ് 2 - എക്സ്ട്രാപോളേഷൻ ട്രാപ്പ്. മെഷീൻ ലേണിംഗ് മോഡൽ കിണറുകൾ കേന്ദ്രീകരിച്ചിരിക്കുന്ന പ്രദേശത്ത് സുഷിരം-സീസ്മിക് ബന്ധം നന്നായി പഠിച്ചു; എന്നാൽ കിണർ ഇല്ലാത്ത ഒരു എഡ്ജ് ബ്ലോക്കിൽ പ്രയോഗിച്ചപ്പോൾ, അത് പരിശീലന പരിധിക്ക് പുറത്തായി (എക്‌സ്‌ട്രാപോളേഷൻ) 28% അയഥാർത്ഥ സുഷിരം ഉണ്ടാക്കി. ആ ബ്ലോക്ക് മറ്റൊരു ഫേസി സോണിൽ ആണെന്ന് ജിയോളജിസ്റ്റ് കാണിച്ചു; ആ മേഖലയിൽ മോഡൽ അസാധുവായിരുന്നു. എക്സ്ട്രാപോളേഷൻ പരിധി അടയാളപ്പെടുത്തിയിരിക്കുന്നു.

കേസ് 3 - മെറ്റീരിയൽ ബാലൻസ് വൈരുദ്ധ്യം. ഒരു സമ്പന്നമായ 3D മോഡൽ P50 കരുതൽ ശേഖരം 68 ദശലക്ഷം ബാരലുകൾ നൽകി; എന്നിരുന്നാലും, ഫീൽഡിൻ്റെ ആദ്യകാല ഉൽപ്പാദന സമ്മർദ്ദത്തിലെ ഇടിവ്, ഭൗതിക സന്തുലിതാവസ്ഥയിൽ പരമാവധി ~45 ദശലക്ഷം ബാരലുകളുള്ള ഒരു സംവിധാനത്തെ സൂചിപ്പിക്കുന്നു. വിച്ഛേദിക്കപ്പെട്ട (ഒറ്റപ്പെട്ട) സാൻഡ് ബോഡികൾ വളരെയധികം ബന്ധിപ്പിച്ചിട്ടുണ്ടെന്ന് മോഡൽ അനുമാനിച്ചതിനാലാണ് വൈരുദ്ധ്യമുണ്ടായത്. കണക്ഷൻ പുനഃപരിശോധിക്കുകയും മോഡൽ ചെറുതാക്കുകയും ചെയ്തു. ഫിസിക്കൽ ആങ്കർ ജ്യാമിതീയ മോഡൽ ഉറപ്പിച്ചു.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

റിസർവോയർ മോഡലും കരുതലും ഈ കിണർ ഡാറ്റയിൽ നിന്ന് ഉരുത്തിരിഞ്ഞതാണ്.[data]

ശക്തമായ നിർദ്ദേശം:

താഴെയുള്ള (അജ്ഞാതമാക്കിയ) കിണറിൽ നിന്നും ഭൂകമ്പ സംഗ്രഹത്തിൽ നിന്നും ഒരു റിസർവോയർ മോഡലിംഗ് DRAFT പ്ലാൻ സൃഷ്ടിക്കുക. നിയമങ്ങൾ:- ആദ്യം ബിൽഡ് ഫെയ്സ് മോഡൽ; മുഖങ്ങൾക്കുള്ളിൽ സുഷിരം/പ്രവേശനക്ഷമത വിതരണം ചെയ്യുക. ഹൈഡ്രോകാർബൺ ഫീച്ചർ ഷെയ്ൽ/കുറഞ്ഞ നിലവാരമുള്ള മുഖങ്ങളിലേക്ക് ഒഴുകുന്നു.- ഡാറ്റയിൽ നിന്നല്ല, ജിയോളജിക്കൽ ട്രെൻഡിൽ നിന്ന് വേരിയോഗ്രാം പാരാമീറ്ററുകൾ (ദിശ, ശ്രേണി) ന്യായീകരിക്കുക; അനുമാനങ്ങൾ വ്യക്തമായി എഴുതുക.- ഫലം ഒരു P90/P50/P10 വോളിയം വിതരണമായി അവതരിപ്പിക്കുക, ഒരൊറ്റ സംഖ്യയല്ല.- കിണറില്ലാത്ത പ്രദേശങ്ങളിൽ എക്സ്ട്രാപോളേഷൻ്റെ അപകടസാധ്യത ഫ്ലാഗ് ചെയ്യുക.- മെറ്റീരിയൽ ബാലൻസ്/ഉൽപാദന ചരിത്രം ഉപയോഗിച്ച് എങ്ങനെ പരിശോധിക്കാമെന്ന് എഴുതുക. ഡാറ്റ: [സംഗ്രഹം]

പകർത്താവുന്ന നാല് ടെംപ്ലേറ്റുകൾ

1) മുഖ വർഗ്ഗീകരണ ഡ്രാഫ്റ്റ്:

ഇനിപ്പറയുന്ന സെറ്റ് ലോഗുകളിൽ നിന്ന് ഒരു മുഖ വർഗ്ഗീകരണ സമീപനം നിർദ്ദേശിക്കുക. ഉപയോഗിക്കേണ്ട ലോഗുകൾ, ക്ലാസ് നിർവചനങ്ങൾ, കോർ ലേബലിംഗിൻ്റെ ആവശ്യകത എന്നിവ എഴുതുക. ക്ലാസുകൾ തമ്മിലുള്ള ആശയക്കുഴപ്പത്തിൻ്റെ അപകടസാധ്യതയും ജിയോളജിക്കൽ പ്ലാസിബിലിറ്റി പരിശോധനയും വ്യക്തമാക്കുക. ഡാറ്റ: [ലോഗ് സെറ്റ്]

2) വേരിയോഗ്രാം ന്യായീകരണം:

ഈ പോറോസിറ്റി ഡാറ്റയ്‌ക്കായി ഒരു വേരിയോഗ്രാം സ്ഥാപിക്കുമ്പോൾ, ഭൂമിശാസ്ത്രപരമായ മഴയുടെ ദിശയുമായി ദിശയും ശ്രേണി തിരഞ്ഞെടുക്കലും ബന്ധപ്പെടുത്തുക. ഐസോട്രോപിക് അനുമാനിക്കുന്നതിനുള്ള അപകടസാധ്യത വിശദീകരിക്കുക. ചെറിയ ഡാറ്റ ഉപയോഗിച്ച് വേരിയോഗ്രാം വിശ്വാസ്യതയുടെ പരിധി പ്രസ്താവിക്കുക. ഡാറ്റ: [പോറോസിറ്റി]

3) അനിശ്ചിതത്വ സാഹചര്യം:

ഇനിപ്പറയുന്ന വോളിയം ഇൻപുട്ടുകൾക്കായി P90/P50/P10 വോളിയം വിതരണം സൃഷ്ടിക്കുക (വിസ്തീർണ്ണം, കനം, സുഷിരം, സാച്ചുറേഷൻ, പരിവർത്തന ഘടകം). ഓരോ ഇൻപുട്ടിൻ്റെയും അനിശ്ചിതത്വ ശ്രേണി ആവശ്യപ്പെടുക, അത് ഊഹിക്കരുത്. അനിശ്ചിതത്വത്തിൻ്റെ (ടൊണാഡോ) ഏറ്റവും സ്വാധീനമുള്ള ഉറവിടം റാങ്ക് ചെയ്യുക. ഇൻപുട്ട്: [മൂല്യങ്ങൾ]

4) മെറ്റീരിയൽ ബാലൻസ് ക്രോസ് ചെക്ക്:

മെറ്റീരിയൽ ബാലൻസിനായി നൽകിയിരിക്കുന്ന ആദ്യകാല പ്രൊഡക്ഷൻ, പ്രഷർ ഡ്രോപ്പ് ഡാറ്റയുമായി ഇനിപ്പറയുന്ന 3D മോഡൽ വോളിയം താരതമ്യം ചെയ്യുക. പൊരുത്തക്കേട് ഉണ്ടെങ്കിൽ, സാധ്യമായ കാരണങ്ങൾ ലിസ്റ്റ് ചെയ്യുക (കണക്ഷൻ, അക്വിഫർ സപ്പോർട്ട്, വോളിയം പിശക്). മോഡൽ: [വോളിയം], ഉത്പാദനം/മർദ്ദം: [ഡാറ്റ]

റിസർവോയർ മോഡൽ വെരിഫിക്കേഷൻ ലെയറുകൾ

പാളി

എന്തെല്ലാം പരിശോധനകൾ

രീതി

ജിയോളജിക്കൽ പ്ലാസിബിലിറ്റി

മുഖം-സവിശേഷത സ്ഥിരത

വിദഗ്ധ അവലോകനം

നല്ല ഡാറ്റ

സ്പോട്ട് മെഷർമെൻ്റ് പാലിക്കൽ

ലോഗ്/കോർ താരതമ്യം

നന്നായി പരീക്ഷിക്കുക

യഥാർത്ഥ പ്രവേശനക്ഷമത/മർദ്ദം

പ്രഷർ ക്ഷണികമായ പരിശോധന

മെറ്റീരിയൽ ബാലൻസ്

വോളിയം സംരക്ഷണം

സമ്മർദ്ദ-ഉൽപാദന ബന്ധം

ഉത്പാദന ചരിത്രം

ചലനാത്മക സ്വഭാവം

ചരിത്ര പൊരുത്തപ്പെടുത്തൽ

സാധാരണ തെറ്റുകൾ

  • മുഖങ്ങൾ ഒഴിവാക്കുന്നു. ഫെയ്‌സീസ് ഗൈഡ് ഇല്ലാതെ ഫീച്ചറുകൾ വിതരണം ചെയ്യുകയും ഹൈഡ്രോകാർബണുകൾ ചോർത്തുകയും ചെയ്യുക.
  • സിംഗിൾ പോയിൻ്റ് പ്രവചനം. ഒരു അനിശ്ചിതത്വ വിതരണത്തിനുപകരം ഒരൊറ്റ എണ്ണം കരുതൽ ശേഖരം റിപ്പോർട്ടുചെയ്യുന്നു.
  • എക്സ്ട്രാപോളേഷൻ. പരിശീലന ഡാറ്റ പരിധിക്ക് പുറത്തുള്ള ബ്ലോക്കുകളിലേക്ക് മോഡൽ അന്ധമായി പ്രയോഗിക്കുന്നു.
  • മെറ്റീരിയൽ ബാലൻസ് ഒഴിവാക്കുന്നു. ഫിസിക്കൽ ബാലൻസ് ഉപയോഗിച്ച് 3D മോഡൽ വോളിയം പരിശോധിക്കുന്നില്ല.
  • വേരിയോഗ്രാം ഓട്ടോമാറ്റിക്കായി വിടുക. ഭൂമിശാസ്ത്രപരമായ പ്രവണത കൂടാതെ ദിശ/പരിധി തിരഞ്ഞെടുക്കൽ.

ചുരുക്കത്തിൽ

  • കിണറുകളിലെ പോയിൻ്റ് അളവുകൾ ജിയോളജിയും ജിയോസ്റ്റാറ്റിസ്റ്റിക്സും ഉപയോഗിച്ച് മുഴുവൻ വോള്യത്തിലേക്കും വിപുലീകരിക്കുന്നതാണ് റിസർവോയർ സ്വഭാവം.
  • AI, മെഷീൻ ലേണിംഗ് എന്നിവ മുഖ വർഗ്ഗീകരണത്തിലും ഫീച്ചർ പ്രവചനത്തിലും ശക്തമാണ്; എന്നാൽ ജിയോളജിക്കൽ പ്ലാസിബിലിറ്റിയാണ് ആദ്യത്തെ ഫിൽട്ടർ.
  • മുഖങ്ങൾക്കുള്ളിൽ സവിശേഷതകൾ വിതരണം ചെയ്യുക; P90/P50/P10 വിതരണമായി അനിശ്ചിതത്വം റിപ്പോർട്ട് ചെയ്യുക.
  • എക്സ്ട്രാപോളേഷൻ പരിധികൾ അടയാളപ്പെടുത്തുക; പരിശീലന പരിധിക്ക് പുറത്തുള്ള മോഡൽ അന്ധമായി ഉപയോഗിക്കരുത്.
  • മെറ്റീരിയൽ ബാലൻസും പ്രൊഡക്ഷൻ ഹിസ്റ്ററിയും ജ്യാമിതീയ മാതൃക പരിശോധിക്കുന്ന ഫിസിക്കൽ ആങ്കറുകളാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

ഒരു ഫീൽഡിൻ്റെ നിരവധി കിണറുകളിൽ നിന്ന് (പ്രതിനിധി) പൊറോസിറ്റി/ഫേസിസ് ഡാറ്റ എടുക്കുക. ശക്തമായ പ്രോംപ്റ്റ് ഉപയോഗിച്ച് ഒരു മോഡലിംഗ് പ്ലാൻ സൃഷ്ടിക്കുക. തുടർന്ന്: (1) മുഖങ്ങൾക്കുള്ളിൽ സുഷിരം വിതരണം ചെയ്തിട്ടുണ്ടോയെന്ന് പരിശോധിക്കുക, (2) റിസർവ് P90/P50/P10 ആയി ആവശ്യപ്പെടുക, ഒരൊറ്റ സംഖ്യയല്ല, (3) ലളിതമായ മെറ്റീരിയൽ ബാലൻസ് (ഉത്പാദിപ്പിച്ച + ശേഷിക്കുന്ന) ലോജിക് ഉപയോഗിച്ച് മോഡൽ നൽകിയ വോളിയം ഏകദേശം നൽകുക. കിണറില്ലാത്ത ഒരു പ്രദേശത്തിനെങ്കിലും ഒരു എക്സ്ട്രാപോളേഷൻ മുന്നറിയിപ്പ് ചേർക്കുക.

ചെക്ക്ലിസ്റ്റ്

  • [ ] റിസർവോയർ മാതൃക ഒരു നല്ല എസ്റ്റിമേറ്റ് ആണെന്നും അനിശ്ചിതത്വം വഹിക്കുന്നുണ്ടെന്നും ഞാൻ മനസ്സിലാക്കുന്നു.
  • [ ] ഫേസീസ് ഗൈഡ് ഉപയോഗിച്ചാണ് ഞാൻ ഫീച്ചറുകൾ വിതരണം ചെയ്യുന്നത്, നിലവാരം കുറഞ്ഞ മുഖങ്ങളിലേക്ക് ഞാൻ അവയെ ചോർത്തുന്നില്ല.
  • [ ] ഞാൻ റിസർവ് ഒരു P90/P50/P10 വിതരണമായി റിപ്പോർട്ട് ചെയ്യുന്നു, ഒരൊറ്റ സംഖ്യയല്ല.
  • [] ഞാൻ എക്സ്ട്രാപോളേഷൻ പരിധികൾ അടയാളപ്പെടുത്തുന്നു.
  • [ ] മെറ്റീരിയൽ ബാലൻസും പ്രൊഡക്ഷൻ ഹിസ്റ്ററിയും ഉപയോഗിച്ച് ഞാൻ മോഡൽ വോളിയം പരിശോധിക്കുന്നു.