அலகுகள்
1. பெட்ரோலியம் மற்றும் இயற்கை எரிவாயு பொறியியலில் செயற்கை நுண்ணறிவு மற்றும் சரிபார்ப்பு ஒழுங்குமுறை அறிமுகம் 2. துளையிடல் தரவு, கிணறு பதிவுகள் மற்றும் பெட்ரோபிசிகல் விளக்கம் 3. நில அதிர்வு தரவு பகுப்பாய்வு, அம்சம் பிரித்தெடுத்தல் மற்றும் கட்டமைப்பு விளக்கம் 4. ரிசர்வாயர் குணாதிசயம், ஃபேசீஸ் மாடலிங் மற்றும் ஜியோஸ்டாடிஸ்டிக்ஸ் 5. உற்பத்தி முன்னறிவிப்பு, டிராடவுன் வளைவு பகுப்பாய்வு மற்றும் இருப்பு மதிப்பீடு 6. துளையிடுதல் மற்றும் உற்பத்தி உகப்பாக்கம் 7. முன்னறிவிப்பு பராமரிப்பு மற்றும் உபகரணங்கள் நம்பகத்தன்மை 8. HSE, செயல்முறை பாதுகாப்பு மற்றும் செயல்பாட்டு ஆபத்து 9. பைப்லைன் கண்காணிப்பு, கசிவு கண்டறிதல் மற்றும் ஒருமைப்பாடு மேலாண்மை 10. பைத்தானுடன் தரவு பகுப்பாய்வு: எண்ணெய்-எரிவாயு பணிப்பாய்வு 11. ஒழுங்குமுறை, நெறிமுறைகள், தரவு தனியுரிமை மற்றும் முழுமையான சரிபார்ப்பு ஆளுகை
அலகு 4 / 11

ரிசர்வாயர் குணாதிசயம், ஃபேசீஸ் மாடலிங் மற்றும் ஜியோஸ்டாடிஸ்டிக்ஸ்

ஆதாயங்கள்:

  • நீர்த்தேக்க பண்புகளின் 3D விநியோகம் (போரோசிட்டி, பெர்மெபிலிட்டி, நீர் செறிவு) AI மற்றும் புவியியல் புள்ளியியல் மூலம் எவ்வாறு வடிவமைக்கப்பட்டுள்ளது என்பதை விளக்கும் திறன்
  • ஃபேசீஸ் மாடலிங், வேரியோகிராம், கிரிகிங் மற்றும் மெஷின் லேர்னிங் மூலம் அம்சம் பரவுவதைக் கண்டறியும் திறன்
  • பொருள் சமநிலை, நன்கு சோதனை மற்றும் நிச்சயமற்ற சூழ்நிலைகளுடன் நீர்த்தேக்க மாதிரி வெளியீடுகளை சரிபார்க்கும் திறன்

எண்ணெய் அல்லது எரிவாயு வயலை உருவாக்க, முதலில் அதன் 3D மாதிரியை உருவாக்க வேண்டும்: நீர்த்தேக்கப் பாறை எங்கே, அது எவ்வளவு நுண்துளைகள் (போரோசிட்டி), எவ்வளவு எளிதில் திரவம் பாய்கிறது (ஊடுருவக்கூடிய தன்மை/ஊடுருவக்கூடியது), மற்றும் எவ்வளவு துளைகள் ஹைட்ரோகார்பன்களால் நிரப்பப்படுகின்றன (1 − நீர் செறிவு). ஆனால் இந்த அம்சங்களை நாம் கிணறு தோண்டும் இடங்களில் மட்டுமே அளவிட முடியும்; கிணறுகளுக்கு இடையில் உள்ள பெரிய அளவு காலியாக உள்ளது மற்றும் நிரப்பப்பட வேண்டும். நீர்த்தேக்க குணாதிசயம் என்பது கிணறுகளில் புள்ளி அளவீடுகளை எடுத்து, புவியியல் தர்க்கம் மற்றும் புள்ளிவிபரங்களைப் பயன்படுத்தி அவற்றை முழு தொகுதிக்கும் விரிவுபடுத்துகிறது. இந்த பிரிவில், செயற்கை நுண்ணறிவு மற்றும் புவியியல் புள்ளியியல் (நிச்சயமற்ற இடஞ்சார்ந்த தரவை மாதிரியாக்கும் புள்ளியியல் பிரிவு) இந்தப் பரப்புதல் பணியில் பயன்படுத்துகிறோம். மாறாத கொள்கை: ஒவ்வொரு நல்ல மதிப்பும் ஒரு மதிப்பீடாகும், உண்மையான ஒன்றல்ல; நிச்சயமற்ற தன்மை மாதிரியின் ஒரு பகுதியாகும் மற்றும் உடல் சமநிலையால் சோதிக்கப்படுகிறது.

அடிப்படை கருத்துக்கள்

  • முகங்கள்: ஒரு குறிப்பிட்ட படிவு சூழலில் உருவாக்கப்பட்ட தனித்துவமான பண்புகளைக் கொண்ட ஒரு பாறை வகை (எ.கா. ஆற்றின் கால்வாய் மணல், கடல் ஷேல், பாறை சுண்ணாம்பு). நீர்த்தேக்கத்தின் தரம் முகங்களுடன் நெருக்கமாக இணைக்கப்பட்டுள்ளது: சேனல் மணலை நன்றாக வடிகட்டுகிறது, ஆனால் ஷேல் அல்ல.
  • வேரியோகிராம்: இரண்டு புள்ளிகளுக்கு இடையே உள்ள தூரம் அதிகரிக்கும் போது அம்ச ஒற்றுமை எவ்வாறு குறைகிறது என்பதை விவரிக்கும் இடஞ்சார்ந்த தொடர்ச்சியின் அளவீடு. இது புவிசார் புள்ளியியல் அடிப்படைக் கருவியாகும்.
  • கிரிகிங்: மதிப்பீட்டின் நிச்சயமற்ற தன்மையுடன், வேரியோகிராமைப் பயன்படுத்தி மாதிரியற்ற புள்ளிகளில் மதிப்பை மதிப்பிடும் முறை.
  • சீரான உருவகப்படுத்துதல்: ஒரு "சிறந்த" யூகத்தை விட, தரவுகளுடன் இணக்கமான பல சமமான வாய்ப்பு மாதிரிகளை (உணர்தல்கள்) உருவாக்குதல்; இது நிச்சயமற்ற தன்மையைக் காண வைக்கிறது.
  • பொருள் சமநிலை: நீர்த்தேக்கத்திலிருந்து உற்பத்தி செய்யப்படும் திரவம், அழுத்தம் வீழ்ச்சி மற்றும் மீதமுள்ள அளவு ஆகியவற்றுக்கு இடையேயான பாதுகாப்பு உறவு; மாதிரி அளவை சுயாதீனமாக சோதிக்கும் உடல் நங்கூரம்.
குறிப்பு: நீர்த்தேக்க மாதிரி ஒரு நிச்சயமற்ற விநியோகம், ஒரு எண் அல்ல. சரியான மொழி "P90=35, P50=50, P10=72 மில்லியன் பீப்பாய்கள்", "ரிசர்வ் 50 மில்லியன் பீப்பாய்கள்" அல்ல. AI யிடம் ஒரு காட்சி/விநியோகத்திற்காக கேளுங்கள், ஒரு புள்ளி மதிப்பீடு இல்லை.

AI மற்றும் புவியியல் புள்ளியியல் எவ்வாறு இணைந்து செயல்படுகின்றன

கிளாசிக்கல் ஜியோஸ்டாடிஸ்டிக்ஸ் (கிரிகிங், வேரியோகிராம்) சக்தி வாய்ந்தது ஆனால் பலவகையான, நேரியல் அல்லாத உறவுகளுடன் போராடுகிறது. இங்குதான் இயந்திர கற்றல் செயல்பாட்டுக்கு வருகிறது:

  • முக வகைப்பாடு: பதிவுத் தொகுப்பிலிருந்து முகங்களை ஒதுக்குதல் (மேற்பார்வைக் கற்றல்); பின்னர் முகங்களை வழிகாட்டியாகப் பயன்படுத்தி அம்சத்தை விநியோகிக்கவும்.
  • பண்புக் கணிப்பு: நில அதிர்வு பண்புக்கூறு + பதிவு உறவு (நில அதிர்வு இயக்கப்படும் மாடலிங்) ஆகியவற்றிலிருந்து இடை-கிணறு போரோசிட்டியை மதிப்பிடுதல்.
  • இடைவெளி நிரப்புதல்: அண்டை கிணறுகள் மற்றும் உறவுகளிலிருந்து நியாயமான முறையில் விடுபட்ட பதிவை நிறைவு செய்தல்.

ஆனால் இயந்திர கற்றலுக்கு புவியியல் தர்க்கம் தெரியாது. படிவு சூழலுடன் (எ.கா. ஷேல் முகங்களில் அதிக ஊடுருவக்கூடிய தன்மை) முரணாக இருந்தால், மாதிரியால் உருவாக்கப்பட்ட போரோசிட்டி வரைபடம் தவறானது. புவியியல் நம்பகத்தன்மை என்பது AI வெளியீட்டின் முதல் வடிகட்டியாகும்.

படிப்படியாக: நீர்த்தேக்கம் மாதிரி பணிப்பாய்வு

  1. கட்டமைப்பு எலும்புக்கூடு. நீர்த்தேக்கத்தின் வடிவவியலை அடிவானங்கள் மற்றும் நில அதிர்வினால் ஏற்படும் தவறுகளுடன் நிறுவவும் (அலகு 3 இலிருந்து வெளியீடு).
  2. முக மாதிரி. கிணறுகளில் உள்ள முகங்களைத் தீர்மானிக்கவும் (பதிவு + கோர்), வேரியோகிராம் / புவியியல் போக்குடன் தொகுதிக்கு விநியோகிக்கவும். AI வகைப்படுத்தலை விரைவுபடுத்துகிறது.
  3. அம்சம் வரிசைப்படுத்தல். கிரிகிங் அல்லது இயந்திர கற்றல் மூலம் ஒவ்வொரு முகத்திலும் போரோசிட்டி, ஊடுருவல், நீர் செறிவு ஆகியவற்றை விநியோகிக்கவும்; நில அதிர்வு இருந்தால், வழிகாட்டியைப் பெறுங்கள்.
  4. நிச்சயமற்ற தன்மை. சீரான உருவகப்படுத்துதலுடன் அதிக எண்ணிக்கையிலான உணர்தல்களை உருவாக்குங்கள்; P90/P50/P10 தொகுதிகள் வெளியீடு ஆகும்.
  5. சரிபார்ப்பு. மெட்டீரியல் பேலன்ஸ் மற்றும் ஹிஸ்டரி மேட்ச் கொண்ட சோதனை மாதிரி தொகுதி; நன்கு சோதனை ஊடுருவலுடன் ஒப்பிடுக.

மூன்று சிறிய வழக்குகள்: எண்கள் மூலம்

வழக்கு 1 - முக வழிகாட்டியின் மதிப்பு. க்ரிஜிங் மூலம் நேரடியாக ஒரு தளத்தில் போரோசிட்டி சிதறியபோது, ​​உயர் போரோசிட்டி குறைந்த தரம் வாய்ந்த ஷேல் மண்டலங்களில் "கசிந்தது". ஃபேசீஸ் மாதிரி முதலில் நிறுவப்பட்டு, முகங்களுக்குள் போரோசிட்டி விநியோகம் செய்யப்பட்டபோது, ​​மாதிரி யதார்த்தமானது மற்றும் சீரற்ற தொகுதிகள் சுருங்கியது: P50 தொகுதி 12% குறைந்துள்ளது, ஆனால் நிச்சயமற்ற பேண்ட் 40% குறைந்துள்ளது. சரியான அமைப்பு மிகவும் யதார்த்தமான மற்றும் பாதுகாப்பான முடிவுகளை அளித்தது.

வழக்கு 2 - எக்ஸ்ட்ராபோலேஷன் பொறி. இயந்திரக் கற்றல் மாதிரியானது, கிணறுகள் செறிவூட்டப்பட்ட பகுதியில் உள்ள போரோசிட்டி-சீஸ்மிக் உறவை நன்கு கற்றுக்கொண்டது; ஆனால் கிணறு இல்லாத ஒரு விளிம்புத் தொகுதியில் பயன்படுத்தப்படும் போது, ​​அது பயிற்சி வரம்பிற்கு வெளியே விழுந்தது (எக்ஸ்ட்ராபோலேஷன்) மற்றும் 28% உண்மையற்ற போரோசிட்டியை உருவாக்கியது. அந்தத் தொகுதி வேறு முக மண்டலத்தில் இருப்பதாக புவியியலாளர் காட்டினார்; அந்த பகுதியில் மாதிரி தவறானது. எக்ஸ்ட்ராபோலேஷன் வரம்பு குறிக்கப்பட்டுள்ளது.

வழக்கு 3 - பொருள் சமநிலை முரண்பாடு. ஒரு பணக்கார 3D மாடல் P50 இருப்பு 68 மில்லியன் பீப்பாய்களை ஈட்டியது; இருப்பினும், புலத்தின் ஆரம்பகால உற்பத்தி அழுத்தம் வீழ்ச்சியானது, பொருள் சமநிலையில் அதிகபட்சம் ~45 மில்லியன் பீப்பாய்கள் கொண்ட அமைப்பைக் குறிக்கிறது. துண்டிக்கப்பட்ட (தனிமைப்படுத்தப்பட்ட) மணல் உடல்கள் மிகவும் இணைக்கப்பட்டதாக மாதிரி கருதியதால் முரண்பாடு ஏற்பட்டது. இணைப்பு மறுபரிசீலனை செய்யப்பட்டது மற்றும் மாதிரி சிறியதாக செய்யப்பட்டது. உடல் நங்கூரம் வடிவியல் மாதிரியை சரிசெய்தது.

பலவீனமான ப்ராம்ட் / ஸ்ட்ராங் ப்ராம்ட்

பலவீனமான உடனடி:

நீர்த்தேக்க மாதிரி மற்றும் இருப்பு இந்த கிணறு தரவுகளில் இருந்து பெறப்பட்டது.[தரவு]

சக்திவாய்ந்த தூண்டுதல்:

கீழே உள்ள (அநாமதேய) கிணறு மற்றும் நில அதிர்வு சுருக்கத்திலிருந்து ஒரு நீர்த்தேக்க மாடலிங் டிராஃப்ட் திட்டத்தை உருவாக்கவும். விதிகள்:- முதலில் ஃபேசிஸ் மாதிரியை உருவாக்குங்கள்; முகங்களுக்குள் போரோசிட்டி/ஊடுருவக்கூடிய தன்மையை விநியோகிக்கவும். ஹைட்ரோகார்பன் அம்சம் ஷேல்/குறைந்த தர முகங்களில் கசிவு.- புவியியல் போக்கில் இருந்து வேரியோகிராம் அளவுருக்களை (திசை, வரம்பு) நியாயப்படுத்துங்கள், தரவுகளிலிருந்து அல்ல; அனுமானங்களைத் தெளிவாக எழுதவும்.- முடிவை P90/P50/P10 தொகுதி விநியோகமாக வழங்கவும், ஒரு எண்ணாக இல்லை.- கிணற்றற்ற பகுதிகளில் எக்ஸ்ட்ராபோலேஷன் அபாயத்தைக் கொடியிடவும்.- பொருள் இருப்பு/உற்பத்தி வரலாற்றைக் கொண்டு எவ்வாறு சரிபார்க்கலாம் என்பதை எழுதவும். தரவு: [சுருக்கம்]

நான்கு நகலெடுக்கக்கூடிய டெம்ப்ளேட்கள்

1) முக வகைப்பாடு வரைவு:

பின்வரும் பதிவுகளின் தொகுப்பிலிருந்து முக வகைப்பாடு அணுகுமுறையைப் பரிந்துரைக்கவும். பயன்படுத்த வேண்டிய பதிவுகள், வகுப்பு வரையறைகள் மற்றும் முக்கிய லேபிளிங்கின் தேவை ஆகியவற்றை எழுதுங்கள். வகுப்புகள் மற்றும் புவியியல் நம்பகத்தன்மை சோதனை ஆகியவற்றுக்கு இடையேயான குழப்பத்தின் அபாயத்தைக் குறிப்பிடவும். தரவு: [பதிவு தொகுப்பு]

2) வேரியோகிராம் நியாயப்படுத்தல்:

இந்த போரோசிட்டி தரவிற்கான வேரியோகிராமை நிறுவும் போது, புவியியல் மழைப்பொழிவின் திசையுடன் திசை மற்றும் வரம்புத் தேர்வை தொடர்புபடுத்தவும். ஐசோட்ரோபிக் அனுமானத்தின் அபாயத்தை விளக்குங்கள். சிறிய தரவுகளுடன் வேரியோகிராம் நம்பகத்தன்மையின் வரம்பைக் குறிப்பிடவும். தரவு: [போரோசிட்டி]

3) நிச்சயமற்ற சூழ்நிலை:

பின்வரும் தொகுதி உள்ளீடுகளுக்கு (பகுதி, தடிமன், போரோசிட்டி, செறிவு, மாற்றக் காரணி) P90/P50/P10 தொகுதி விநியோகத்தை உருவாக்கவும். ஒவ்வொரு உள்ளீட்டின் நிச்சயமற்ற வரம்பைக் கேளுங்கள், அதைக் கருத வேண்டாம். நிச்சயமற்ற தன்மையின் (சூறாவளி) மிகவும் செல்வாக்குமிக்க ஆதாரமாக தரவரிசைப்படுத்தவும். உள்ளீடு: [மதிப்புகள்]

4) பொருள் இருப்பு குறுக்கு சோதனை:

பின்வரும் 3D மாடல் அளவைக் கொடுக்கப்பட்ட ஆரம்ப உற்பத்தி மற்றும் பொருள் சமநிலைக்கான அழுத்தம் வீழ்ச்சி தரவுகளுடன் ஒப்பிடுக. இணக்கமின்மை இருந்தால், சாத்தியமான காரணங்களை பட்டியலிடுங்கள் (இணைப்பு, நீர்நிலை ஆதரவு, தொகுதி பிழை). மாதிரி: [தொகுதி], உற்பத்தி/அழுத்தம்: [தரவு]

நீர்த்தேக்க மாதிரி சரிபார்ப்பு அடுக்குகள்

அடுக்கு

என்ன சோதனைகள்

முறை

புவியியல் நம்பகத்தன்மை

முகங்கள்-அம்சத்தின் நிலைத்தன்மை

நிபுணர் விமர்சனம்

நல்ல தரவு

ஸ்பாட் அளவீட்டு இணக்கம்

பதிவு/முக்கிய ஒப்பீடு

நன்றாக சோதனை

உண்மையான ஊடுருவல்/அழுத்தம்

அழுத்தம் நிலையற்ற சோதனை

பொருள் சமநிலை

தொகுதி பாதுகாப்பு

அழுத்தம்-உற்பத்தி உறவு

உற்பத்தி வரலாறு

மாறும் நடத்தை

சரித்திர பொருத்தம்

பொதுவான தவறுகள்

  • முகங்கள் ஸ்கிப்பிங். ஃபேசீஸ் வழிகாட்டி இல்லாமல் அம்சங்களை விநியோகிக்கவும் மற்றும் பொருள் மூலம் ஹைட்ரோகார்பன்களை கசியவும்.
  • ஒற்றை புள்ளி கணிப்பு. நிச்சயமற்ற விநியோகத்திற்குப் பதிலாக ஒற்றை எண்ணிக்கை இருப்புகளைப் புகாரளித்தல்.
  • எக்ஸ்ட்ராபோலேஷன். பயிற்சி தரவு வரம்பிற்கு வெளியே உள்ள தொகுதிகளுக்கு மாதிரியை கண்மூடித்தனமாகப் பயன்படுத்துதல்.
  • பொருள் சமநிலையைத் தவிர்க்கிறது. உடல் சமநிலையுடன் 3D மாதிரியின் அளவைச் சோதிக்கவில்லை.
  • வேரியோகிராமை தானாக விடவும். புவியியல் போக்கு இல்லாமல் திசை/வரம்பைத் தேர்ந்தெடுப்பது.

சுருக்கமாக

  • நீர்த்தேக்க குணாதிசயம் என்பது கிணறுகளில் உள்ள புள்ளி அளவீடுகளை புவியியல் மற்றும் புவிசார் புள்ளியியல் மூலம் முழு தொகுதிக்கும் நீட்டிப்பதாகும்.
  • AI மற்றும் இயந்திர கற்றல் ஆகியவை முக வகைப்பாடு மற்றும் அம்சக் கணிப்பு ஆகியவற்றில் சக்திவாய்ந்தவை; ஆனால் புவியியல் நம்பகத்தன்மை முதல் வடிகட்டி ஆகும்.
  • முகங்களுக்குள் அம்சங்களை விநியோகிக்கவும்; நிச்சயமற்ற தன்மையை P90/P50/P10 விநியோகமாகப் புகாரளிக்கவும்.
  • எக்ஸ்ட்ராபோலேஷன் வரம்புகளைக் குறிக்கவும்; பயிற்சி வரம்பிற்கு வெளியே மாதிரியை கண்மூடித்தனமாக பயன்படுத்த வேண்டாம்.
  • பொருள் சமநிலை மற்றும் உற்பத்தி வரலாறு ஆகியவை வடிவியல் மாதிரியை சோதிக்கும் இயற்பியல் நங்கூரங்கள் ஆகும்.

விண்ணப்ப பணி

ஒரு புலத்தின் பல கிணறுகளிலிருந்து (பிரதிநிதி) போரோசிட்டி/ஃபேசிஸ் தரவை எடுக்கவும். சக்திவாய்ந்த ப்ராம்ட் மூலம் மாடலிங் திட்டத்தை உருவாக்கவும். பிறகு: (1) போரோசிட்டி முகங்களுக்குள் விநியோகிக்கப்பட்டுள்ளதா என்பதைச் சரிபார்க்கவும், (2) P90/P50/P10 என இருப்பைக் கேட்கவும், ஒரு எண் இல்லை, (3) மாதிரியால் கொடுக்கப்பட்ட அளவை ஒரு எளிய பொருள் சமநிலை (உற்பத்தி + மீதமுள்ள) தர்க்கத்துடன் தோராயமாக வழங்கவும். குறைந்தபட்சம் ஒரு கிணறு இல்லாத பகுதிக்கு எக்ஸ்ட்ராபோலேஷன் எச்சரிக்கையைச் சேர்க்கவும்.

சரிபார்ப்பு பட்டியல்

  • [ ] நீர்த்தேக்க மாதிரியானது ஒரு நல்ல மதிப்பீடு மற்றும் நிச்சயமற்ற தன்மையைக் கொண்டுள்ளது என்பதை நான் புரிந்துகொள்கிறேன்.
  • [ ] நான் அம்சங்களை ஃபேசீஸ் வழிகாட்டியுடன் விநியோகிக்கிறேன், நான் அவற்றை குறைந்த தரமான முகங்களில் கசியவிடவில்லை.
  • [ ] நான் இருப்பு P90/P50/P10 விநியோகம் எனப் புகாரளிக்கிறேன், ஒரு எண் அல்ல.
  • [ ] நான் எக்ஸ்ட்ராபோலேஷன் வரம்புகளைக் குறிக்கிறேன்.
  • [ ] பொருள் இருப்பு மற்றும் உற்பத்தி வரலாற்றுடன் மாதிரி அளவை நான் சரிபார்க்கிறேன்.