Dobički:
- Sposobnost razlage, kako je 3D porazdelitev lastnosti rezervoarja (poroznost, prepustnost, nasičenost z vodo) modelirana z AI in geostatistiko
- Sposobnost lociranja širjenja značilnosti z modeliranjem facies, variogramom, krigingom in strojnim učenjem
- Sposobnost preverjanja rezultatov modela rezervoarja z materialno bilanco, testiranjem vrtin in scenariji negotovosti
Za izdelavo naftnega ali plinskega polja moramo najprej zgraditi njegov 3D model: kje je kamnina rezervoarja, kako porozna je (poroznost), kako enostavno teče tekočina (prepustnost/prepustnost) in koliko por je napolnjenih z ogljikovodiki (1 − nasičenost z vodo). Toda te značilnosti lahko merimo samo na mestih, kjer vrtamo vrtine; Ogromen prostor med vrtinama je prazen in ga je treba napolniti. Karakterizacija rezervoarja zajema točkovne meritve v vrtinah in jih razširi na celotno prostornino z uporabo geološke logike in statistike. V tej enoti pri tem diseminacijskem delu uporabljamo umetno inteligenco in geostatistiko (veja statistike, ki modelira prostorske podatke z negotovostjo). Nespremenljivo načelo: vsaka vrednost od vodnjaka do vodnjaka je ocena, ne dejanska; Negotovost je del modela in se testira s fizičnim ravnovesjem.
Osnovni pojmi
- Facies: vrsta kamnine z edinstvenimi lastnostmi, ki je nastala v določenem okolju usedanja (npr. pesek v rečnih kanalih, morski skrilavec, grebenski apnenec). Kakovost rezervoarja je tesno povezana s faciesom: kanal dobro odvaja pesek, ne pa skrilavca.
- Variogram: merilo prostorske kontinuitete, ki opisuje, kako se podobnost značilnosti zmanjšuje, ko se razdalja med dvema točkama povečuje. Je osnovno orodje geostatistike.
- Kriging: Metoda, ki oceni vrednost na nevzorčenih točkah z uporabo variograma, skupaj z negotovostjo ocene.
- Stohastična simulacija: izdelava številnih enako verjetnih modelov (realizacij), združljivih s podatki, namesto ene same "najboljše" ugibanja; Negotovost naredi vidno.
- Materialna bilanca: razmerje ohranjanja med tekočino, proizvedeno iz rezervoarja, padcem tlaka in preostalo prostornino; fizično sidro, ki neodvisno testira volumen modela.
Namig: model rezervoarja je porazdelitev negotovosti in ne eno število. Pravilen jezik je "P90=35, P50=50, P10=72 milijonov sodov", ne "Rezerva 50 milijonov sodov". Vprašajte AI za scenarij/distribucijo, ne za oceno ene točke.
Kako AI in geostatistika delujeta skupaj
Klasična geostatistika (kriging, variogram) je močna, vendar se spopada z multivariantnimi, nelinearnimi razmerji. Tu nastopi strojno učenje:
- Klasifikacija faciesov: Dodeljevanje faciesov iz nabora dnevnikov (nadzorovano učenje); Nato razdelite funkcijo z uporabo obrazov kot vodila.
- Ocena atributa: Ocenjevanje poroznosti med vrtinami iz razmerja seizmični atribut + logaritm (seizmično usmerjeno modeliranje).
- Zapolnjevanje vrzeli: Dopolnjevanje manjkajočih razponov karota razumno iz sosednjih vrtin in odnosov.
Toda strojno učenje ne pozna geološke logike. Zemljevid poroznosti, ki ga izdela model, je nepravilen, če ni v skladu z okoljem usedanja (npr. visoka prepustnost v faciesu skrilavca). Geološka verjetnost je prvi filter rezultatov umetne inteligence.
Korak za korakom: Potek dela modela rezervoarja
- Strukturni skelet. Določite geometrijo rezervoarja s horizonti in prelomi iz seizmike (izhod iz bloka 3).
- Model obraza. Določite facies v vrtinah (log + jedro), porazdelite na volumen z variogramom/geološkim trendom. AI pospeši razvrščanje.
- Uvajanje funkcij. Porazdelite poroznost, prepustnost in nasičenost z vodo znotraj vsakega faciesa s krigingom ali strojnim učenjem; Če je potres, poiščite vodnika.
- Negotovost. Ustvarite veliko število realizacij s stohastično simulacijo; Izhodne so količine P90/P50/P10.
- Preverjanje. Prostornina testnega modela z materialno bilanco in ujemanje zgodovine; Primerjajte s prepustnostjo testa vrtine.
Trije mini kovčki: po številkah
Primer 1 – Vodnik vrednosti faciesa. Ko je bila poroznost razpršena na mestu neposredno s krigingom, je visoka poroznost "uhajala" v območja skrilavca nizke kakovosti. Ko je bil model faciesa prvič vzpostavljen in je bila poroznost porazdeljena znotraj faciesa, je model postal realističen in stohastični volumni so se zožili: volumen P50 se je zmanjšal za 12 %, vendar se je pas negotovosti zožil za 40 %. Pravilna struktura je dala bolj realistične in varnejše rezultate.
Primer 2 – Ekstrapolacijska past. Model strojnega učenja se je dobro naučil razmerja med poroznostjo in potresom v regiji, kjer so zgoščeni vrtini; ko pa je bil nanesen na robni blok brez vrtine, je padel izven območja usposabljanja (ekstrapolacija) in ustvaril nerealno poroznost 28 %. Geolog je pokazal, da je ta blok v drugi faciesni coni; model je bil v tej regiji neveljaven. Meja ekstrapolacije je označena.
Primer 3 – Konflikt materialne bilance. Bogat 3D model P50 zalog je dal 68 milijonov sodov; vendar je zgodnji padec proizvodnega tlaka na polju pokazal sistem z največ ~45 milijoni sodčkov materialne bilance. Do protislovja je prišlo, ker je model domneval, da so nepovezana (izolirana) peščena telesa preveč povezana. Povezava je bila ponovno preučena in model je bil manjši. Fizično sidro je fiksiralo geometrijski model.
Šibek poziv / močan poziv
Šibek poziv:
Model rezervoarja in rezerva izhajata iz teh podatkov o vrtini.[podatki]
Močan poziv:
Iz (anonimizirane) vrtine in spodnjega seizmičnega povzetka ustvarite načrt DRAFT za modeliranje rezervoarja. Pravila: - Najprej zgradite model obraza; Porazdelite poroznost/prepustnost ZNOTRAJ faciesa. Izpiranje ogljikovodikov v facies skrilavca/nizke kakovosti.- Utemeljite parametre variograma (smer, razpon) iz geološkega trenda, ne iz podatkov; Predpostavke zapišite JASNO.- Rezultat predstavite kot prostorninsko porazdelitev P90/P50/P10, ne kot eno samo število.- Označite tveganje ekstrapolacije v regijah brez vodnih virov.- Napišite, kako preveriti z materialno bilanco/zgodovino proizvodnje. Podatki: [povzetek]
Štiri kopirane predloge
1) Osnutek klasifikacije facies:
Predlagajte pristop k klasifikaciji facies iz naslednjega niza dnevnikov. Zapišite dnevnike, ki jih boste uporabili, definicije razredov in potrebo po označevanju jedra. Navedite tveganje zamenjave med razredi in preverjanjem geološke verodostojnosti. Podatki: [dnevnik nastavljen]
2) Utemeljitev variograma:
Pri vzpostavljanju variograma za te podatke o poroznosti povežite smer in izbor razpona s smerjo geoloških padavin. Pojasnite tveganje predpostavke o izotropnosti. Navedite mejo zanesljivosti variograma z malo podatki. Podatki: [poroznost]
3) Scenarij negotovosti:
Ustvarite prostorninsko porazdelitev P90/P50/P10 za naslednje prostorninske vnose (površina, debelina, poroznost, nasičenost, pretvorbeni faktor). Vprašajte za obseg negotovosti vsakega vnosa, ne domnevajte ga. Razvrsti najvplivnejši vir negotovosti (tornado). Vnos: [vrednosti]
4) Navzkrižno preverjanje materialne bilance:
Primerjajte naslednji volumen 3D-modela z danimi zgodnjimi podatki o proizvodnji in padcu tlaka za materialno bilanco. Če obstaja nezdružljivost, navedite možne razloge (povezava, podpora vodonosnika, napaka prostornine). Model: [prostornina], proizvodnja/tlak: [podatki]
Plasti za preverjanje modela rezervoarja
plast
Kakšni testi
Metoda
Geološka verjetnost
Konsistentnost faciesov
Strokovni pregled
dobro podatki
Skladnost točkovnih meritev
Primerjava dnevnik/jedro
dobro preizkusite
Dejanska prepustnost/tlak
Preskus prehodnega tlaka
Materialna bilanca
ohranjanje volumna
Razmerje med pritiskom in proizvodnjo
Zgodovina proizvodnje
dinamično vedenje
Ujemanje zgodovine
Pogoste napake
- Preskakovanje obraza. Porazdelite značilnosti brez faciesnega vodnika in puščajte ogljikovodike s stvarjo.
- Napoved ene točke. Poročanje o enem številu rezerv namesto porazdelitve negotovosti.
- Ekstrapolacija. Slepa uporaba modela za bloke zunaj obsega podatkov o usposabljanju.
- Preskok materialne bilance. Ne preizkuša prostornine 3D modela s fizičnim ravnovesjem.
- Variogram pustite avtomatsko. Izbira smeri/razpona brez geološkega trenda.
Če povzamem
- Karakterizacija rezervoarja je razširitev točkovnih meritev v vrtinah na celotno prostornino z geologijo in geostatistiko.
- Umetna inteligenca in strojno učenje sta močna pri klasifikaciji facies in napovedovanju značilnosti; vendar je geološka verjetnost prvi filter.
- Porazdeli značilnosti znotraj faciesa; Sporočite negotovost kot porazdelitev P90/P50/P10.
- Označite meje ekstrapolacije; Ne uporabljajte modela na slepo zunaj območja vadbe.
- Materialna bilanca in zgodovina proizvodnje sta fizični sidri, ki preizkušata geometrijski model.
Aplikacijska naloga
Vzemite podatke o poroznosti/faciesu iz več vrtin (reprezentativnih) polja. Ustvarite načrt modeliranja z zmogljivim pozivom. Nato: (1) preverite, ali je poroznost porazdeljena znotraj facijesa, (2) zahtevajte rezervo kot P90/P50/P10, ne eno samo številko, (3) približno zagotovite prostornino, ki jo daje model, s preprosto logiko bilance materiala (proizvedeno + preostalo). Dodajte opozorilo o ekstrapolaciji za vsaj eno območje brez vrtine.
kontrolni seznam
- [ ] Razumem, da je model rezervoarja ocena od vodnjaka do vodnjaka in vsebuje negotovost.
- [ ] Funkcije distribuiram z vodnikom po faciesu, ne puščam jih v facije nizke kakovosti.
- [ ] Rezervo poročam kot distribucijo P90/P50/P10, ne eno samo številko.
- [ ] Označujem meje ekstrapolacije.
- [ ] Obseg modela preverim z materialno bilanco in zgodovino proizvodnje.