กำไร:
- ความสามารถในการอธิบายขั้นตอนการทำงานในการทำนายคุณสมบัติความพรุน การซึมผ่าน และแหล่งกักเก็บด้วย AI
- ความสามารถในการวางตำแหน่งการเรียนรู้ของเครื่องในการตีความบันทึกหลุม การจำแนกประเภทอาคาร และการคาดการณ์การผลิต
- ความสามารถในการตรวจสอบผลลัพธ์ของแหล่งกักเก็บผ่านขอบเขตทางกายภาพ การทดสอบหลุม และการวิเคราะห์ความไม่แน่นอน
แหล่งกักเก็บน้ำมันหรือก๊าซคือขุมทรัพย์ที่มองไม่เห็นของของเหลวที่ติดอยู่ในหินที่มีรูพรุน ซึ่งอยู่ต่ำกว่าพื้นผิวหลายไมล์ เราไม่สามารถมองเห็นได้โดยตรง เรา "อ่าน" ข้อมูลนี้เฉพาะกับท่อนไม้ แกนกลาง เงาของแผ่นดินไหว และข้อมูลการผลิตที่เราได้รับจากบ่อน้ำเท่านั้น การระบุลักษณะเฉพาะของอ่างเก็บน้ำเป็นงานในการสร้างใหม่จากการวัดทางอ้อมเหล่านี้ว่ามีของเหลวที่หินกักเก็บอยู่ (ความพรุน) มากน้อยเพียงใด มันปล่อยของเหลวได้ง่ายเพียงใด (ความสามารถในการซึมผ่าน) และโครงสร้างสามมิติชนิดใดของอ่างเก็บน้ำ AI มีประสิทธิภาพในด้านนี้: การตีความท่อนซุงของหลุม การจำแนกส่วนหน้า (การประกอบประเภทหิน) การทำนายความสัมพันธ์ระหว่างความพรุนและการซึมผ่าน และการสร้างแบบจำลองแนวโน้มการผลิต แต่แหล่งกักเก็บก็เหมือนกับสาขาทางธรณีวิทยาอื่นๆ ที่เต็มไปด้วยความไม่แน่นอน และไม่ใช่ทุกการคาดการณ์ที่สามารถเป็นพื้นฐานในการตัดสินใจได้โดยไม่เชื่อมโยงกับขอบเขตทางกายภาพ การทดสอบหลุม และการวิเคราะห์ความไม่แน่นอน
ในหน่วยนี้ เราจะครอบคลุม AI 3 แง่มุมของการศึกษาอ่างเก็บน้ำ: การตีความบันทึกของหลุมและการจำแนกประเภทอาคาร (การแยกประเภทหินและคุณสมบัติจากบันทึก) การทำนายความพรุน-การซึมผ่าน (การทำนายคุณภาพอ่างเก็บน้ำ) และการทำนายการผลิต (จำนวนหลุมที่จะผลิตได้ในอนาคต) ธรณีสถิติเป็นกระดูกสันหลังที่นี่เช่นกัน เราเติมช่องว่างระหว่างหลุมด้วยวาริโอแกรมและการจำลอง หมายเหตุ: ภาคน้ำมันและก๊าซมีความอ่อนไหวในเชิงพาณิชย์มาก ตัวอย่างทั้งหมดได้รับการศึกษาด้วยค่าที่ไม่ระบุชื่อและเป็นตัวแทน
การตีความบันทึกอย่างดีและการจำแนกประเภท Facies
ท่อนซุงเป็นเส้นโค้งที่วัดคุณสมบัติทางกายภาพของหินตลอดแนวเจาะอย่างต่อเนื่อง ได้แก่ รังสีแกมมา (ปริมาณดินเหนียว) ความต้านทาน (ชนิดของของเหลว — น้ำ/ไฮโดรคาร์บอน) ความหนาแน่นและนิวตรอน (ความพรุน) เสียง (ความแข็งของหิน) นักธรณีวิทยาปิโตรเลียมอ่านเส้นโค้งเหล่านี้ร่วมกันและแยกประเภทของหินและของเหลวในแต่ละความลึก นี่คือการจดจำรูปแบบ และ AI ก็เก่งมาก: คัดแยกท่อนไม้ยาวหลายหมื่นเมตรเข้าไปในอาคารอย่างสม่ำเสมอ
แต่มีข้อจำกัดอยู่สองประการ ประการแรก การตีความบันทึกเป็นเพียงแบบจำลอง ไม่ใช่การวัด บันทึกเดียวกันอาจเปิดกว้างสำหรับการตีความที่แตกต่างกัน ประการที่สอง หากแบบจำลองถ่ายโอนความสัมพันธ์ของ log-facies ที่ได้เรียนรู้ในสาขาหนึ่งไปยังอีกสาขาหนึ่งแบบสุ่มสี่สุ่มห้า (สภาพแวดล้อมการสะสมที่แตกต่างกัน การวิเคราะห์ที่แตกต่างกัน) ก็ทำให้เกิดข้อผิดพลาดร้ายแรง ดังนั้นเอาต์พุต facies จะถูกปรับเทียบด้วยข้อมูลหลัก แกนกลางคือจุดยึดที่เชื่อมโยงการตีความบันทึกกับความจริงภาคพื้นดิน
เคล็ดลับ: ก่อนที่จะเชื่อถือเอาท์พุตของแบบจำลองด้านหน้า ให้ถาม "หลุมใดที่ได้รับการเจาะแกนแล้ว และแบบจำลองในหลุมเหล่านั้นมีความแม่นยำเพียงใด" ถาม. การประมาณการ facies ที่ไม่ได้รับการยืนยันนั้นเป็นสมมติฐานที่ยังไม่ผ่านการทดสอบ ไม่ว่ามันจะดูเป็นไปได้แค่ไหนก็ตาม
ความพรุนและการซึมผ่าน: ความแตกต่างที่สำคัญที่สุด
สิ่งสำคัญสองประการต่อคุณภาพของแหล่งกักเก็บคือความพรุนและการซึมผ่าน และความแตกต่างระหว่างสิ่งเหล่านั้นคือหนึ่งในจุดที่สำคัญที่สุดในการใช้ AI ความพรุนคืออัตราส่วนความว่างเปล่าของหินและสามารถหาได้จากท่อนไม้ด้วยความแม่นยำที่สมเหตุสมผล ความสามารถในการซึมผ่านคือของเหลวที่ไหลผ่านหินได้ง่ายเพียงใด และไม่ได้วัดจากท่อนไม้โดยตรง แต่เป็นการประมาณทางอ้อม ความสามารถในการซึมผ่านมีความไวอย่างมากต่อการเปลี่ยนแปลงเล็กน้อยในความพรุน และขึ้นอยู่กับรูปทรงของรูพรุน รอยแตกร้าว และการประสานตัวของซีเมนต์
นั่นเป็นเหตุผลว่าทำไมการทำนายความสามารถในการซึมผ่านของการเรียนรู้ของเครื่องจึงทั้งน่าสนใจและเป็นอันตราย แบบจำลองจะเรียนรู้ความพรุนในหลุมหลักและความสามารถในการซึมผ่านจากบันทึกอื่นๆ แต่ความสัมพันธ์ที่เรียนรู้นั้นมีความเฉพาะเจาะจงกับใบหน้านั้นและสภาวะความดันและอุณหภูมินั้น การคาดการณ์ไปยังวิทยาหินอื่นหรือหลุมที่ไม่มีการเจาะ (การเคลื่อนตัวออกนอกช่วงที่เรียนรู้) จะส่งผลให้เกิดข้อผิดพลาดขนาดใหญ่ การประมาณค่าความสามารถในการซึมผ่านต้องเชื่อมโยงกับการวัดแกนกลางและการทดสอบหลุม (การทดสอบแรงดันตก/บวมจะให้พฤติกรรมการไหลตามจริง)
ข้อควรระวัง: แม้ว่าการประมาณความสามารถในการซึมผ่านจะสร้างกราฟที่ "ดูดี" แต่ก็ไม่น่าเชื่อถือหากใช้ภายนอกอาคารและสภาวะความดันของข้อมูลการฝึกอบรม แบบจำลองเรียนรู้ความสัมพันธ์ ไม่ใช่ข้อเท็จจริงทางกายภาพ ทดสอบด้วยคอร์และการทดสอบอย่างดีเสมอ
การพยากรณ์การผลิตและความไม่แน่นอน
จำนวนบ่อที่ผลิตได้ในอนาคตขึ้นอยู่กับปริมาณของเหลวที่อ่างเก็บน้ำกักเก็บและส่งมอบ วิธีการแบบคลาสสิก (การวิเคราะห์เส้นโค้งลดลง) ขยายแนวโน้มการผลิตในอดีตไปสู่อนาคต AI ช่วยเสริมเทรนด์นี้ด้วยข้อมูลหลายหลุมและเรียนรู้จากรูปแบบของหลุมที่อยู่ใกล้เคียง แต่การคาดการณ์การผลิตมีความไม่แน่นอนโดยเนื้อแท้: แหล่งกักเก็บต่างกัน แรงดันเปลี่ยนแปลง สภาพการทำงานเปลี่ยนไป ดังนั้น ช่วงความน่าจะเป็น (สถานการณ์ต่ำ/ปานกลาง/สูง) จึงถูกนำเสนอ ไม่ใช่กราฟการผลิตที่ "แน่นอน" เส้นเดียว
ธรณีสถิติยังมีความไม่แน่นอนในการเติมปริมาตรระหว่างหลุมอีกด้วย วิธีการต่างๆ เช่น การจำลองแบบเกาส์เซียนตามลำดับทำให้เกิดแบบจำลองที่มีแนวโน้มเท่าเทียมกันหลายแบบ แทนที่จะเป็นแบบจำลอง "เฉลี่ย" เดียว ความแตกต่างระหว่างโมเดลเหล่านี้คือความไม่แน่นอนนั่นเอง ปัญญาประดิษฐ์จะเร่งความเร็วและตีความการจำลองเหล่านี้ แต่การลดผลลัพธ์ให้เหลือเพียงเลขเดียวทำให้เกิดความมั่นใจที่ผิดพลาดโดยการซ่อนความไม่แน่นอน
คดีเล็กๆ สามคดี: ตามตัวเลข
กรณีที่ 1 — ข้อผิดพลาดในการคาดการณ์ แบบจำลองความสามารถในการซึมผ่านที่ฝึกในหลุมเจาะแกนสามหลุมที่ไซต์แห่งหนึ่งให้การคาดการณ์ที่ดูสมบูรณ์แบบในหลุมที่สี่ แต่บ่อน้ำนี้อยู่ในบริเวณที่เป็นดินเหนียวกว่าและแบบจำลองไม่เคยเห็นช่วงเวลานี้มาก่อน การทดสอบอย่างดีแสดงให้เห็นว่าความสามารถในการซึมผ่านที่แท้จริงอยู่ที่ประมาณหนึ่งในห้าของการประมาณการ โมเดลนี้ถูกเข้าใจผิดอย่างมากว่าเป็นกราฟที่ "ดูดี" จุดยึดทดสอบของหลุมตรวจพบข้อผิดพลาด
กรณีที่ 2 — การสอบเทียบ Facies ในแหล่งก๊าซแห่งหนึ่ง ปัญญาประดิษฐ์ได้จัดเรียงท่อนไม้จาก 14 หลุมออกเป็นส่วนหน้าอย่างรวดเร็ว เมื่อเปรียบเทียบกับหลุมเจาะแกน 3 หลุม โซนที่แบบจำลองจัดว่าเป็น "หินทรายสะอาด" จริงๆ แล้วเป็นหน่วยที่แตกหักและมีคุณภาพต่ำ ด้วยการสอบเทียบแกนกลาง โมเดลดังกล่าวได้รับการฝึกอบรมใหม่ และการประมาณปริมาตรของแหล่งกักเก็บถูกลดระดับลงให้อยู่ในระดับที่สมจริง
กรณีที่ 3 — ความซื่อสัตย์ของสคริปต์ ในการพยากรณ์การผลิต แบบจำลองให้เส้นโค้งเดียวและแสดงการผลิตในสิบปีเป็นเลขคี่ เมื่อทีมสร้างสถานการณ์ต่ำ/กลาง/สูงผ่านการจำลองตามลำดับ พวกเขาพบว่าช่วงนั้นกว้างมาก (สถานการณ์สูงจะต่ำเป็นประมาณสองเท่า) ความกว้างนี้บ่งชี้ว่าจำเป็นต้องมีการทดสอบหลุมเพิ่มเติมในการตัดสินใจลงทุน ตัวเลขเพียงตัวเดียวปกปิดความไม่แน่นอนนี้ไว้อย่างอันตราย
พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง
พรอมต์ที่อ่อนแอ:
ดูบันทึกของหลุมเหล่านี้ คำนวณความสามารถในการซึมผ่าน และบอกฉันว่าหลุมนี้จะผลิตได้เท่าไร [ข้อมูลบันทึก]
พรอมต์อันทรงพลัง:
บทบาทของคุณ: ผู้ช่วยนักธรณีวิทยาอ่างเก็บน้ำ ให้หมายเลขที่แน่นอนเพียงหมายเลขเดียวสำหรับการซึมผ่านและการผลิตพร้อมบันทึกด้านล่าง แทน:1) ระบุว่าหลุมใดสามารถยืนยันได้โดยแกนหลักเมื่อทำการตีความด้านหน้า 2) อธิบายว่าการประมาณค่าการซึมผ่านไม่สามารถวัดได้โดยตรงจากบันทึก ภายใต้เงื่อนไขใด (ด้านหน้า/ความดัน) ที่จะถูกต้อง และความจำเป็นในการทดสอบแกนกลาง/หลุม 3) สร้างตรรกะสถานการณ์จำลองต่ำ/กลาง/สูงสำหรับการผลิต ไม่ใช่เส้นโค้งเดียว 4) ระบุแหล่งที่มาของความไม่แน่นอน 4 รายการที่ส่งผลต่อผลลัพธ์ ข้อมูลไม่ระบุชื่อ ไม่มีสาขา/บริษัทที่แท้จริง
เทมเพลตที่คัดลอกได้สี่แบบ
1) การตรวจสอบการสอบเทียบ Log-facies:
อธิบายว่าหลุมใดมีแกนหลักสำหรับการจำแนกประเภทส่วนหน้า และวิธีที่เราจะวัดความแม่นยำของแบบจำลองในหลุมเหล่านี้ ทำเครื่องหมายโซนที่ไม่ได้รับการยืนยันว่า "ยังไม่ทดลอง" อย่าวางใจอย่างสุ่มสี่สุ่มห้า
2) การตรวจสอบความสามารถในการซึมผ่าน:
สำหรับการทำนายความสามารถในการซึมผ่าน: ระบุส่วนหน้าและช่วงแรงดันที่แบบจำลองได้รับการฝึก ทำเครื่องหมายว่าหลุม/โซนใดอยู่นอกช่วงนี้ (การประมาณค่า) ย้ำว่าไม่ควรเชื่อถือการคาดการณ์หากไม่มีแกนหลักและการทดสอบอย่างดีในโซนเหล่านี้ อย่าบอกจำนวนที่แน่นอน
3) ร่างสถานการณ์การผลิต:
สร้างตรรกะสถานการณ์การผลิตระดับต่ำ ปานกลาง และสูงจากเส้นโค้งการลดลง/ข้อมูลการผลิต อธิบายว่าสมมติฐานแต่ละสถานการณ์มีพื้นฐานมาจากอะไร และความแตกต่างระหว่างสมมติฐานเหล่านั้นหมายถึงอะไร ไม่มีเส้นโค้งที่ "แน่นอน" แม้แต่เส้นเดียว
4) การตีความการจำลองความไม่แน่นอน:
ตีความผลลัพธ์ของแบบจำลองทางธรณีสถิติหลายตัวที่มีแนวโน้มเท่ากัน (เช่น การจำลองตามลำดับ): การกระจายตัวของการประมาณปริมาตรกว้างแค่ไหน ภูมิภาคใดมีความไม่แน่นอนมากที่สุด และข้อมูลเพิ่มเติมใด (เช่น แผ่นดินไหว) ที่ทำให้ความไม่แน่นอนนี้แคบลง ลดเหลือเพียงเลขเดียว
ข้อมูลจำเพาะของอ่างเก็บน้ำ การวัด และการทวนสอบ
คุณสมบัติ/เอาท์พุต
สามารถวัดจากบันทึกได้หรือไม่?
ความเสี่ยงจากเอไอ
สมอตรวจสอบ
ความพรุน
ได้มาด้วยความแม่นยำพอสมควร
ดริฟท์การสอบเทียบ
ความพรุนหลัก
การซึมผ่าน
ไม่ เดาทางอ้อม
ข้อผิดพลาดในการคาดการณ์
ทดสอบแกนกลาง + อย่างดี
ใบหน้า
ความคิดเห็น (รุ่น)
การขนส่งนอกสถานที่
คำจำกัดความหลัก
ประเภทของเหลว
ฉันอนุมานได้จากความต้านทาน
ความคิดเห็นที่ผิด
การทดสอบแรงดัน/ตัวอย่าง
การคาดการณ์การผลิต
การขยายแนวโน้ม
ความแน่นอนที่ผิดพลาด
สถานการณ์ + การทดสอบอย่างดี
คำแนะนำ: สำหรับการประมาณการแต่ละครั้งในอ่างเก็บน้ำ "การวัดโดยตรงใดที่สามารถพิสูจน์หักล้างสิ่งนี้ได้" ทดสอบด้วยการบอกว่า แกนสำหรับความพรุน การทดสอบการซึมผ่านของหลุม คำจำกัดความหลักสำหรับส่วนหน้า การคาดการณ์ที่ไม่สามารถหักล้างด้วยการวัดโดยตรงยังไม่ได้รับการยืนยัน
ข้อผิดพลาดทั่วไป
- มองการซึมผ่านเป็นความพรุน ความสามารถในการซึมผ่านไม่ได้วัดจากบันทึกโดยตรง การประมาณค่าล่วงหน้าทำให้เกิดข้อผิดพลาดขนาดใหญ่ การทดสอบแกนกลาง/หลุมถือเป็นสิ่งสำคัญ
- การใช้โมเดล facies โดยไม่มีคอร์ อาคารที่ไม่ได้รับการปรับเทียบโดยแกนกลางถือเป็นสมมติฐานที่ยังไม่ผ่านการทดสอบ
- การถ่ายทอดความสัมพันธ์ที่ได้เรียนรู้ไปยังสาขาอื่น สภาพแวดล้อมการสะสมและการแยกส่วนที่แตกต่างกันเปลี่ยนความสัมพันธ์ของบันทึกและลักษณะ
- นำเสนอการผลิตด้วยโค้งเดียว หากสถานการณ์ไม่ได้ระบุถึงความไม่แน่นอน การตัดสินใจลงทุนจะขึ้นอยู่กับความแน่นอนที่ผิดพลาด
- การลดการจำลองให้เหลือค่าเฉลี่ย หลายแบบจำลองบ่งบอกถึงความไม่แน่นอน การลดให้เหลือเพียงเลขเดียวจะทำลายข้อมูล
โดยสรุป
- อ่างเก็บน้ำไม่สามารถมองเห็นได้ มันถูกอ่านโดยอ้อมพร้อมบันทึก ข้อมูลแกนกลาง แผ่นดินไหว และข้อมูลการผลิต และทุกการคาดการณ์มีความไม่แน่นอน
- ความพรุนสามารถหาได้จากบันทึก ความสามารถในการซึมผ่านไม่ได้วัดโดยตรง แต่จะต้องทำควบคู่กับการทดสอบแกนกลางและบ่อน้ำ
- การจำแนกประเภท Facies เป็นแบบอย่าง; ไม่น่าเชื่อถือหากไม่ได้รับการปรับเทียบโดยแกนกลางและขนส่งนอกสถานที่
- ความสัมพันธ์ที่เรียนรู้นั้นมีความเฉพาะเจาะจงกับเงื่อนไขทางการศึกษา การประมาณค่าเป็นข้อผิดพลาดที่พบบ่อยและอันตรายที่สุด
- การผลิตและปริมาณไม่ได้นำเสนอด้วยตัวเลขเดียว แต่ด้วยสถานการณ์และการจำลองความน่าจะเป็น พร้อมระบุความไม่แน่นอนไว้อย่างชัดเจน
งานสมัคร
รับชุดบันทึกหลุมที่ไม่ระบุชื่อ (หรือค่าตัวแทน) ให้แบบจำลองค้นหาโซนที่เสี่ยงต่อการคาดการณ์ด้วยเทมเพลต "การตรวจสอบความสามารถในการซึมผ่าน" ทดสอบว่าจะกระตุ้นโซนหรือไม่โดยจงใจวางไว้นอกระยะการฝึก จากนั้น ใช้เทมเพลต "แบบร่างสถานการณ์การผลิต" เพื่อสร้างสถานการณ์ต่ำ/กลาง/สูง แทนที่จะเป็นเส้นโค้งเดียว และแสดงความคิดเห็นเกี่ยวกับความกว้างของช่วงในประโยค
รายการตรวจสอบ
- [ ] ฉันทราบถึงความแตกต่างในการวัดระหว่างความพรุนและความสามารถในการซึมผ่าน และความสามารถในการซึมผ่านนั้นจำเป็นต้องมีการทดสอบแกนกลาง/หลุม
- [ ] ฉันไม่ถือว่าการจำแนกประเภท facies เชื่อถือได้โดยไม่ต้องสอบเทียบด้วยแกน
- [ ] ฉันตระหนักถึงความเสี่ยงในการอนุมานความสัมพันธ์ที่เรียนรู้กับสาขา/เงื่อนไขอื่น
- [ ] ฉันนำเสนอการผลิตและปริมาณด้วยสถานการณ์และการจำลองความน่าจะเป็น แทนที่จะเป็นตัวเลขเดี่ยวๆ
- [ ] "การวัดโดยตรงใดที่สามารถพิสูจน์หักล้างการประมาณค่าของแหล่งกักเก็บแต่ละแห่งได้" ฉันทดสอบด้วยคำถาม