Dobički:
- Sposobnost razlage poteka dela pri napovedovanju poroznosti, prepustnosti in lastnosti rezervoarja z AI
- Sposobnost umeščanja strojnega učenja v interpretacijo karotaž vrtin, klasifikacijo facies in napovedovanje proizvodnje
- Sposobnost preverjanja izhodov iz rezervoarja s fizičnimi mejami, testiranjem vrtin in analizo negotovosti
Rezervoar nafte ali plina je nevidna zakladnica tekočin, ujeta v porozni kamnini, milje pod površjem. Ne moremo ga neposredno videti; "Preberemo" ga samo z logaritem, jedri, potresnimi sencami in podatki o proizvodnji, ki jih prejmemo iz vrtin. Karakterizacija rezervoarja je naloga rekonstruiranja iz teh posrednih meritev, koliko tekočine kamnina zadrži (poroznost), kako zlahka sprošča tekočino (prepustnost) in kakšna tridimenzionalna struktura je rezervoar. Umetna inteligenca je močna na tem področju: interpretacija karotenz vrtin, razvrščanje faciesov (zborov vrst kamnin), napovedovanje razmerij med poroznostjo in prepustnostjo ter modeliranje proizvodnih trendov. Vendar so rezervoarji, tako kot druga geološka polja, polni negotovosti in vsaka napoved ne more biti osnova za odločitev, ne da bi bila povezana s fizičnimi mejami, testiranjem vrtin in analizo negotovosti.
V tej enoti bomo pokrili tri vidike umetne inteligence preučevanja rezervoarja: interpretacijo karotaže vrtin in klasifikacijo facies (izločitev vrste kamnine in lastnosti iz logaritmov), napoved poroznosti in prepustnosti (napoved kakovosti rezervoarja) in napoved proizvodnje (koliko bo vrtina proizvedla v prihodnosti). Geostatistika je tudi tukaj hrbtenica; Prostor med vrtinami zapolnimo z variogramom in simulacijo. Opomba: sektor nafte in plina je komercialno zelo občutljiv; Vsi vzorci so proučeni z anonimnimi in reprezentativnimi vrednostmi.
Interpretacija logaritma vrtin in klasifikacija faciesov
Dnevniki vrtin so krivulje, ki neprekinjeno merijo fizikalne lastnosti kamnine vzdolž vrtine: gama žarke (vsebnost gline), upornost (vrsta tekočine – voda/ogljikovodik), gostoto in nevtrone (poroznost), zvočnost (trdota kamnine). Naftni geolog bere te krivulje skupaj in izloči vrsto kamnine in tekočino na vsaki globini. To je prepoznavanje vzorcev in umetna inteligenca je pri tem zelo dobra: dosledno razvršča na desettisoče metrov hlodov v facije.
Obstajata pa dve omejitvi. Prvič, interpretacija dnevnika je model, ne meritev; Isti dnevnik je lahko odprt za različne interpretacije faciesov. Drugič, če model slepo prenese razmerje log-facies, ki se ga je naučil na enem polju, na drugo polje (drugačno okolje usedanja, drugačna diageneza), naredi resne napake. Zato je rezultat faciesa umerjen z osnovnimi podatki; Jedro je sidro, ki povezuje razlago dnevnika s temeljno resnico.
Namig: Preden zaupate rezultatu modela facies, se vprašajte, "katere vrtine so bile odstranjene in kako natančen je model v teh vrtinah?" vprašaj. Nepotrjena ocena faciesa je nepreverjena hipoteza, ne glede na to, kako verjetna se zdi.
Poroznost in prepustnost: najbolj kritična razlika
Dva ključa do kakovosti rezervoarja sta poroznost in prepustnost, razlika med njima pa je ena najpomembnejših točk pri uporabi AI. Poroznost je razmerje praznin v kamnini in jo je mogoče izpeljati iz hlodov z razumno natančnostjo. Prepustnost je, kako lahko tekočina teče skozi kamnino in se ne meri neposredno iz hlodov; ocenjuje pa se posredno. Prepustnost je eksponentno občutljiva na majhne spremembe poroznosti in je odvisna od geometrije por, razpok in cementacije.
Zato je napovedovanje prepustnosti s strojnim učenjem hkrati privlačno in nevarno. Model se nauči poroznosti v jedrnih vrtinah in prepustnosti iz drugih hlodov; vendar je odnos, ki se ga nauči, specifičen za ta facies in to stanje tlak-temperatura. Ekstrapolacija na drugačno litologijo ali na nepovzeto vrtino (ki se giblje izven naučenega območja) bo povzročila velike napake. Ocena prepustnosti mora biti povezana z meritvijo jedra in testiranjem vrtin (preizkusi padca tlaka/nabrekanja dajo dejansko obnašanje pretoka).
Pozor: Tudi če ocena prepustnosti ustvari "dober" graf, je nezanesljiva, če se uporablja zunaj pogojev faciesa in tlaka podatkov o usposabljanju. Model se nauči korelacije, ne fizičnega dejstva; vedno testirajte s testiranjem jedra in vodnjaka.
Napoved proizvodnje in negotovost
Koliko vrtina proizvede v prihodnosti, je odvisno od tega, koliko tekočine vsebuje in dovaja rezervoar. Klasične metode (analiza krivulje upadanja) podaljšujejo pretekli proizvodni trend v prihodnost; AI obogati ta trend s podatki o več vrtinah in se uči iz vzorcev sosednjih vrtin. Toda napovedovanje proizvodnje je samo po sebi negotova: rezervoar je heterogen, tlak se spreminja, delovni pogoji se spreminjajo. Zato je predstavljen verjetnostni razpon (nizek/srednji/visok scenarij) in ne ena "natančna" krivulja proizvodnje.
Geostatistika prinaša tudi negotovost pri polnjenju volumna med vrtinami. Metode, kot je zaporedna Gaussova simulacija, ustvarijo veliko enako verjetnih modelov namesto enega samega "povprečnega" modela; Razlika med temi modeli je sama negotovost. Umetna inteligenca te simulacije pospešuje in interpretira; vendar zmanjševanje rezultata na eno samo številko ustvarja lažno zaupanje s prikrivanjem negotovosti.
Trije mini kovčki: po številkah
Primer 1 – Ekstrapolacijska napaka. Model prepustnosti, usposobljen na treh vrtinah z jedrom na eni lokaciji, je dal napoved, ki se je na četrti vrtini zdela popolna. Toda ta vrtina je bila v bolj glinastem faciesu in model tega intervala ni nikoli videl; testiranje vrtine je pokazalo, da je dejanska prepustnost približno ena petina ocene. Model so resno zamenjali za "lep" graf; Sidro za testiranje vrtine je ujelo napako.
Primer 2 – Facies kalibracija. Na enem plinskem polju je umetna inteligenca karotaže 14 vrtin hitro razvrstila v facije. V primerjavi s tremi vrtinami z jedrom je bila cona, ki jo je model razvrstil kot »čisti peščenjak«, dejansko razpokana enota nizke kakovosti. S kalibracijo jedra smo model ponovno usposobili in oceno prostornine rezervoarja znižali na realno raven.
Primer 3 – Poštenost scenarija. V napovedi proizvodnje je model podal eno samo krivuljo in desetletno proizvodnjo izrazil v lihih številkah. Ko je ekipa s sekvenčno simulacijo ustvarila nizek/srednji/visok scenarij, je ugotovila, da je razpon zelo širok (visok scenarij je bil približno dvakrat nižji). Ta širina je nakazovala, da je bilo pri odločitvi o naložbi potrebno dodatno testiranje vrtin; Ena sama številka je to negotovost nevarno prikrila.
Šibek poziv / močan poziv
Šibek poziv:
Poglej te dnevnike vrtin, izračunaj prepustnost in mi povej, koliko bo vrtina proizvedla. [dnevniški podatki]
Močan poziv:
Vaša vloga: Pomočnik geologa rezervoarja. Navedba ENO TOČNE ŠTEVILKE za prepustnost in proizvodnjo s spodnjimi dnevniki. Namesto tega: 1) Navedite, katere vrtine je mogoče potrditi z jedrom pri interpretaciji faciesa. 2) Pojasnite, da ocene prepustnosti ni mogoče izmeriti neposredno iz karoten, pod kakšnimi pogoji (facies/tlak) bo veljavna in potrebo po testiranju jedra/vrtine. 3) Vzpostavite logiko nizkega/srednjega/visokega scenarija za proizvodnjo, ne ene krivulje.4) Naštejte 4 vire negotovosti, ki vplivajo na rezultat. Podatki je anonimen; Brez pravega področja/podjetja.
Štiri kopirane predloge
1) Preverjanje kalibracije log-facies:
Pojasnite, v katerih vrtinah se jedro za klasifikacijo facies in kako lahko izmerimo natančnost modela v teh vrtinah. Označite nepreverjene cone kot "netestirane"; Ne zaupaj slepo.
2) Validacija prepustnosti:
Za napovedovanje prepustnosti: določite facies in območje tlaka, za katerega je model usposobljen; Označite, katere vrtine/območja so zunaj tega območja (ekstrapolacija). Poudarite, da napovedi ne bi smeli zaupati brez testiranja jedra in vrtin v teh območjih. Ne povej točne številke.
3) Osnutek proizvodnega scenarija:
Vzpostavi logiko scenarija nizke, srednje visoke proizvodnje iz krivulje padca/podatkov o proizvodnji. Pojasnite, na katerih predpostavkah temelji vsak scenarij in kaj pomenijo razlike med njimi. Ne ponuja nobene ene "natančne" krivulje.
4) Interpretacija simulacije negotovosti:
Interpretirajte rezultate večkratnega enako verjetnega geostatističnega modela (npr. zaporedne simulacije): kako široka je porazdelitev ocene volumna, katera regija je najbolj negotova in s katerimi dodatnimi podatki (no, seizmičnimi) je ta negotovost zožena? Zmanjšanje na eno samo številko.
Specifikacija rezervoarja, merljivost in preverjanje
funkcija/izhod
Ali se da izmeriti iz hlodov?
Tveganje AI
sidro za preverjanje
poroznost
Izpeljano z razumno natančnostjo
Kalibracijski zamik
Poroznost jedra
prepustnost
Ne, posredno ugibanje
Napaka ekstrapolacije
Test jedra + vodnjaka
facies
Komentar (model)
Prevoz izven lokacije
definicija jedra
Vrsta tekočine
Sklepam iz upornosti
napačen komentar
Testiranje tlaka/vzorca
Napoved proizvodnje
razširitev trenda
lažna gotovost
Scenarij + preizkus vodnjaka
Namig: Za vsako oceno rezervoarja "katera neposredna meritev bi to lahko ovrgla?" Preizkusite tako, da rečete. Jedro za poroznost, preizkus vrtine za prepustnost, definicija jedra za facies. Napoved, ki je ne moremo ovreči z neposredno meritvijo, še ni potrjena.
Pogoste napake
- Videti prepustnost kot poroznost. Prepustnost se ne meri neposredno iz hlodov; Ekstrapolacija daje velike napake, testiranje jedra/vrtine je bistveno.
- Uporaba modela facies brez jedra. Facies, ki ni bil umerjen z jedrom, je nepreverjena hipoteza.
- Prenos naučenega odnosa na drugo področje. Različno okolje usedanja in diageneza spremenita razmerje log-trait.
- Predstavitev proizvodnje z eno krivuljo. Če s scenariji ni podana negotovost, naložbena odločitev temelji na lažni gotovosti.
- Zmanjšanje simulacije na povprečje. Več modelov kaže na negotovost; Zmanjšanje na eno samo številko uniči informacijo.
Če povzamem
- Rezervoar je neviden; Bere se posredno z logaritem, jedrom, seizmičnimi in proizvodnimi podatki in vsaka napoved nosi negotovost.
- Poroznost je mogoče izpeljati iz hlodov; Prepustnost se ne meri neposredno, mora biti povezana s testiranjem jedra in vrtine.
- Facies klasifikacija je model; nezanesljiva, ne da bi bila kalibrirana z jedrom in prepeljana izven lokacije.
- Naučeno razmerje je specifično za izobraževalne pogoje; Ekstrapolacija je najpogostejša in najnevarnejša napaka.
- Proizvodnja in obseg nista predstavljena z eno samo številko, temveč z verjetnostnim scenarijem in simulacijo z jasno podano negotovostjo.
Aplikacijska naloga
Pridobite anonimiziran niz dnevnikov vrtin (ali reprezentativnih vrednosti). Naj model ugotovi, katera območja so v nevarnosti ekstrapolacije s predlogo "validacije prepustnosti"; Preizkusite, ali stimulira območje tako, da ga namerno postavite izven območja vadbe. Nato uporabite predlogo »osnutek proizvodnega scenarija«, da ustvarite nizek/srednji/visok scenarij namesto ene krivulje in komentirate širino razpona v stavku.
kontrolni seznam
- [ ] Poznam razliko v merljivosti med poroznostjo in prepustnostjo in ta prepustnost zahteva testiranje jedra/vrtine.
- [ ] Klasifikacija faciesa se mi ne zdi zanesljiva brez kalibracije z jedrom.
- [ ] Zavedam se tveganja ekstrapolacije naučenega odnosa na drugo področje/stanje.
- [ ] Proizvodnjo in obseg predstavljam z verjetnostnimi scenariji in simulacijami namesto z enimi številkami.
- [ ] "Katera neposredna meritev bi lahko ovrgla vsako oceno rezervoarja?" Preizkušam z vprašanjem.