ลักษณะเฉพาะของอ่างเก็บน้ำ แบบจำลองอาคาร และธรณีสถิติ

กำไร:

• ความสามารถในการอธิบายวิธีการสร้างแบบจำลองการกระจายตัวแบบ 3 มิติของคุณสมบัติอ่างเก็บน้ำ (ความพรุน การซึมผ่าน ความอิ่มตัวของน้ำ) ด้วย AI และธรณีสถิติ
• ความสามารถในการค้นหาตำแหน่งฟีเจอร์ที่แพร่กระจายด้วยการสร้างแบบจำลอง facies, วาริโอแกรม, kriging และการเรียนรู้ของเครื่อง
• ความสามารถในการตรวจสอบผลลัพธ์ของแบบจำลองแหล่งกักเก็บด้วยความสมดุลของวัสดุ การทดสอบหลุม และสถานการณ์ความไม่แน่นอน

ในการสร้างแหล่งน้ำมันหรือก๊าซ อันดับแรกเราต้องสร้างแบบจำลอง 3 มิติของแหล่งนั้น: หินในอ่างเก็บน้ำอยู่ที่ไหน มีรูพรุนมากเพียงใด (ความพรุน) ของเหลวไหลได้ง่ายเพียงใด (ความสามารถในการซึมผ่าน/ความสามารถในการซึมผ่าน) และจำนวนรูพรุนที่เต็มไปด้วยไฮโดรคาร์บอน (1 − ความอิ่มตัวของน้ำ) แต่เราสามารถวัดคุณสมบัติเหล่านี้ได้เฉพาะจุดที่เราเจาะบ่อเท่านั้น ปริมาตรมหาศาลระหว่างบ่อน้ำว่างเปล่าและต้องเติมให้เต็ม การระบุคุณลักษณะของอ่างเก็บน้ำคือการวัดจุดในหลุมและขยายไปจนถึงปริมาตรทั้งหมดโดยใช้ตรรกะและสถิติทางธรณีวิทยา ในหน่วยนี้ เราใช้ปัญญาประดิษฐ์และธรณีสถิติ (สาขาสถิติที่สร้างแบบจำลองข้อมูลเชิงพื้นที่ด้วยความไม่แน่นอน) ในงานเผยแพร่นี้ หลักการที่ไม่เปลี่ยนแปลง: มูลค่า well-to-well ทุกค่าเป็นเพียงการประมาณการ ไม่ใช่ค่าจริง ความไม่แน่นอนเป็นส่วนหนึ่งของแบบจำลองและได้รับการทดสอบโดยความสมดุลทางกายภาพ

แนวคิดพื้นฐาน

• Facies: หินประเภทหนึ่งที่มีคุณสมบัติเฉพาะตัวซึ่งก่อตัวขึ้นในสภาพแวดล้อมที่มีการทับถมโดยเฉพาะ (เช่น ทรายในช่องทางแม่น้ำ หินทะเล หินปูนในแนวปะการัง) คุณภาพของอ่างเก็บน้ำมีความสัมพันธ์อย่างใกล้ชิดกับบริเวณด้านหน้า: ช่องทางระบายทรายได้ดี แต่ไม่มีหินดินดาน
• วาริโอแกรม: การวัดความต่อเนื่องเชิงพื้นที่ที่อธิบายว่าความคล้ายคลึงกันของฟีเจอร์ลดลงอย่างไรเมื่อระยะห่างระหว่างจุดสองจุดเพิ่มขึ้น เป็นเครื่องมือพื้นฐานของธรณีสถิติ
• Kriging: วิธีการประมาณค่า ณ จุดที่ไม่ได้สุ่มตัวอย่างโดยใช้วาริโอแกรม ร่วมกับความไม่แน่นอนของการประมาณค่า
• การจำลองแบบสุ่ม: การสร้างแบบจำลองที่มีแนวโน้มเท่าเทียมกัน (การรับรู้) จำนวนมากที่เข้ากันได้กับข้อมูล แทนที่จะคาดเดา "ดีที่สุด" เพียงครั้งเดียว มันทำให้มองเห็นความไม่แน่นอน
• ความสมดุลของวัสดุ: ความสัมพันธ์ในการอนุรักษ์ระหว่างของไหลที่ผลิตจากอ่างเก็บน้ำ แรงดันตกคร่อม และปริมาตรคงเหลือ จุดยึดทางกายภาพที่ทดสอบปริมาตรของโมเดลอย่างอิสระ

คำแนะนำ: แบบจำลองแหล่งกักเก็บเป็นการแจกแจงความไม่แน่นอน ไม่ใช่ตัวเลขตัวเดียว ภาษาที่ถูกต้องคือ "P90=35, P50=50, P10=72 ล้านบาร์เรล" ไม่ใช่ "สำรอง 50 ล้านบาร์เรล" ถาม AI เกี่ยวกับสถานการณ์/การกระจาย ไม่ใช่การประมาณจุดเดียว

AI และธรณีสถิติทำงานร่วมกันอย่างไร

ธรณีสถิติแบบคลาสสิก (kriging, variogram) มีประสิทธิภาพมากแต่ต้องดิ้นรนกับความสัมพันธ์แบบไม่เชิงเส้นหลายตัวแปร นี่คือจุดที่การเรียนรู้ของเครื่องเข้ามามีบทบาท:

• การจำแนกประเภทของ Facies: การกำหนด facies จากชุดบันทึก (การเรียนรู้แบบมีผู้สอน) จากนั้นจึงเผยแพร่คุณลักษณะโดยใช้ส่วนหน้าเป็นแนวทาง
• การประมาณค่าคุณลักษณะ: การประมาณค่าความพรุนระหว่างหลุมจากคุณลักษณะของแผ่นดินไหว + ความสัมพันธ์ของบันทึก (การสร้างแบบจำลองที่ขับเคลื่อนด้วยแผ่นดินไหว)
• การเติมช่องว่าง: การเติมเต็มช่วงบันทึกที่ขาดหายไปอย่างสมเหตุสมผลจากบ่อน้ำใกล้เคียงและความสัมพันธ์

แต่แมชชีนเลิร์นนิงไม่รู้ตรรกะทางธรณีวิทยา แผนที่ความพรุนที่สร้างโดยแบบจำลองไม่ถูกต้อง หากไม่สอดคล้องกับสภาพแวดล้อมการสะสม (เช่น ความสามารถในการซึมผ่านสูงในบริเวณชั้นหิน) ความน่าเชื่อถือทางธรณีวิทยาเป็นตัวกรองแรกของเอาท์พุต AI

ทีละขั้นตอน: เวิร์กโฟลว์แบบจำลองอ่างเก็บน้ำ

1. โครงกระดูก. สร้างรูปทรงเรขาคณิตของอ่างเก็บน้ำด้วยขอบเขตและรอยเลื่อนจากแผ่นดินไหว (เอาต์พุตจากหน่วยที่ 3)
2. โมเดลใบหน้า. กำหนดส่วนหน้าของหลุม (ท่อน + แกน) กระจายไปยังปริมาตรด้วยกราฟแปรผัน/แนวโน้มทางธรณีวิทยา AI เร่งการจำแนกประเภท
3. การปรับใช้คุณสมบัติ กระจายความพรุน การซึมผ่าน และความอิ่มตัวของน้ำภายในแต่ละส่วนโดยใช้ kriging หรือการเรียนรู้ของเครื่อง หากมีแผ่นดินไหวให้ขอคำแนะนำ
4. ความไม่แน่นอน. สร้างการรับรู้จำนวนมากด้วยการจำลองแบบสุ่ม เอาต์พุตไดรฟ์ข้อมูล P90/P50/P10
5. การยืนยัน ปริมาณแบบจำลองทดสอบพร้อมความสมดุลของวัสดุและการจับคู่ประวัติ เปรียบเทียบกับการทดสอบการซึมผ่านของบ่อน้ำ

คดีเล็กๆ สามคดี: ตามตัวเลข

กรณีที่ 1 — คู่มือคุณค่าของอาคาร เมื่อความพรุนถูกกระจายไปยังไซต์งานโดยตรงโดย Kriging ความพรุนสูงจะ "รั่วไหล" ไปสู่โซนหินคุณภาพต่ำ เมื่อแบบจำลองส่วนหน้าถูกสร้างขึ้นครั้งแรกและมีการกระจายความพรุนภายในส่วนหน้า แบบจำลองนั้นดูสมจริงและปริมาตรสุ่มลดลง: ปริมาตร P50 ลดลง 12% แต่แถบความไม่แน่นอนลดลง 40% โครงสร้างที่ถูกต้องให้ผลลัพธ์ที่สมจริงและปลอดภัยยิ่งขึ้น

กรณีที่ 2 — กับดักการคาดการณ์ โมเดลแมชชีนเลิร์นนิงเรียนรู้ความสัมพันธ์ระหว่างความพรุนและแผ่นดินไหวในพื้นที่ที่มีบ่อน้ำหนาแน่น แต่เมื่อนำไปใช้กับบล็อกขอบโดยไม่มีบ่อ มันจะตกลงไปนอกระยะการฝึก (การประมาณค่า) และทำให้เกิดความพรุนที่ไม่สมจริงถึง 28% นักธรณีวิทยาแสดงให้เห็นว่าบล็อกนั้นอยู่ในโซนอาคารที่แตกต่างกัน โมเดลไม่ถูกต้องในภูมิภาคนั้น ขีด จำกัด การประมาณค่าถูกทำเครื่องหมายไว้

กรณีที่ 3 — ความขัดแย้งด้านความสมดุลของวัสดุ ปริมาณสำรอง P50 แบบจำลอง 3 มิติที่สมบูรณ์ให้ผลผลิต 68 ล้านบาร์เรล อย่างไรก็ตาม แรงกดดันด้านการผลิตที่ลดลงในช่วงต้นของแหล่งนี้บ่งชี้ว่าระบบมีความสมดุลของวัสดุมากที่สุดประมาณ 45 ล้านบาร์เรล ความขัดแย้งเกิดขึ้นเนื่องจากแบบจำลองถือว่าวัตถุทรายที่แยกออกจากกัน (แยกออกจากกัน) เชื่อมโยงกันมากเกินไป การเชื่อมต่อได้รับการพิจารณาอีกครั้ง และโมเดลถูกทำให้เล็กลง จุดยึดทางกายภาพคงที่แบบจำลองทางเรขาคณิต

พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

แบบจำลองอ่างเก็บน้ำและปริมาณสำรองได้มาจากข้อมูลของหลุมนี้[ข้อมูล]

พรอมต์อันทรงพลัง:

สร้างแผนการสร้างแบบจำลองแหล่งกักเก็บDRAFT จากหลุม (ไม่ระบุชื่อ) และสรุปเกี่ยวกับแผ่นดินไหวด้านล่าง กฎ:- ขั้นแรกให้สร้างโมเดลอาคาร; กระจายความพรุน/การซึมผ่านภายในอาคาร คุณลักษณะของไฮโดรคาร์บอนถูกชะลงไปในชั้นหิน/คุณภาพต่ำ- ปรับพารามิเตอร์วาริโอแกรม (ทิศทาง, พิสัย) จากแนวโน้มทางธรณีวิทยา ไม่ใช่จากข้อมูล เขียนสมมติฐานให้ชัดเจน- นำเสนอผลลัพธ์เป็นการกระจายปริมาตร P90/P50/P10 ไม่ใช่ตัวเลขเดียว- ระบุความเสี่ยงของการประมาณค่าในพื้นที่ที่ไม่มีหลุม- เขียนวิธีการตรวจสอบด้วยความสมดุลของวัสดุ/ประวัติการผลิต ข้อมูล: [สรุป]

เทมเพลตที่คัดลอกได้สี่แบบ

1) ร่างการจำแนกประเภท Facies:

เสนอแนะวิธีการจำแนกประเภทอาคารจากชุดบันทึกต่อไปนี้ จดบันทึกที่จะใช้ คำจำกัดความของคลาส และความจำเป็นในการติดป้ายกำกับหลัก ระบุความเสี่ยงของความสับสนระหว่างชั้นเรียนและการตรวจสอบความน่าเชื่อถือทางธรณีวิทยา ข้อมูล: [ชุดบันทึก]

2) เหตุผลของ Variogram:

เมื่อสร้างวาริโอแกรมสำหรับข้อมูลความพรุนนี้ ให้เชื่อมโยงทิศทางและการเลือกช่วงกับทิศทางของการตกตะกอนทางธรณีวิทยา อธิบายความเสี่ยงของการสมมติไอโซโทรปิก ระบุขีดจำกัดของความน่าเชื่อถือของวาริโอแกรมด้วยข้อมูลเพียงเล็กน้อย ข้อมูล: [ความพรุน]

3) สถานการณ์ความไม่แน่นอน:

สร้างการกระจายปริมาตร P90/P50/P10 สำหรับอินพุตปริมาตรต่อไปนี้ (พื้นที่ ความหนา ความพรุน ความอิ่มตัว ปัจจัยการแปลง) ถามถึงช่วงความไม่แน่นอนของแต่ละอินพุต อย่าคิดไปเอง จัดอันดับแหล่งที่มาของความไม่แน่นอนที่มีอิทธิพลมากที่สุด (พายุทอร์นาโด)อินพุต: [ค่า]

4) การตรวจสอบความสมดุลของวัสดุ:

เปรียบเทียบปริมาตรของโมเดล 3 มิติต่อไปนี้กับข้อมูลการผลิตในช่วงแรกและข้อมูลแรงดันตกคร่อมสำหรับความสมดุลของวัสดุ หากมีความไม่เข้ากัน ให้ระบุสาเหตุที่เป็นไปได้ (การเชื่อมต่อ การสนับสนุนชั้นหินอุ้มน้ำ ข้อผิดพลาดด้านปริมาณ) รุ่น: [ปริมาตร] การผลิต/ความดัน: [ข้อมูล]

ชั้นการตรวจสอบแบบจำลองอ่างเก็บน้ำ

ชั้น

ทดสอบอะไร

วิธีการ

ความน่าเชื่อถือทางธรณีวิทยา

ความสม่ำเสมอของคุณสมบัติใบหน้า

บทวิจารณ์ของผู้เชี่ยวชาญ

ข้อมูลที่ดี

การปฏิบัติตามการวัดเฉพาะจุด

การเปรียบเทียบบันทึก/คอร์

ทดสอบกัน

การซึมผ่าน/ความดันที่แท้จริง

การทดสอบแรงดันชั่วคราว

ความสมดุลของวัสดุ

การอนุรักษ์ปริมาณ

ความสัมพันธ์ระหว่างการผลิตแรงดัน

ประวัติการผลิต

พฤติกรรมแบบไดนามิก

การจับคู่ประวัติศาสตร์

ข้อผิดพลาดทั่วไป

• Facies ข้ามไป กระจายคุณสมบัติโดยไม่มีคำแนะนำด้านหน้าและรั่วไหลของสารไฮโดรคาร์บอนด้วยสิ่งของ
• การทำนายจุดเดียว การรายงานสำรองจำนวนเดียวแทนการกระจายความไม่แน่นอน
• การคาดการณ์ การใช้แบบจำลองแบบสุ่มสี่สุ่มห้ากับบล็อกที่อยู่นอกช่วงข้อมูลการฝึก
• ข้ามความสมดุลของวัสดุ ไม่ทดสอบปริมาตรของโมเดล 3 มิติด้วยความสมดุลทางกายภาพ
• ปล่อยให้วาริโอแกรมเป็นอัตโนมัติ การเลือกทิศทาง/ช่วงโดยไม่มีแนวโน้มทางธรณีวิทยา

โดยสรุป

• การระบุลักษณะเฉพาะของอ่างเก็บน้ำคือการขยายการวัดจุดในหลุมไปจนถึงปริมาตรทั้งหมดด้วยธรณีวิทยาและธรณีสถิติ
• AI และการเรียนรู้ของเครื่องมีประสิทธิภาพในการจำแนกส่วนหน้าและการทำนายคุณสมบัติ แต่ความน่าเชื่อถือทางธรณีวิทยาเป็นตัวกรองแรก
• เผยแพร่คุณลักษณะภายในอาคาร รายงานความไม่แน่นอนเป็นการแจกแจงแบบ P90/P50/P10
• ทำเครื่องหมายขีดจำกัดการคาดการณ์ อย่าสุ่มสี่สุ่มห้าใช้แบบจำลองนอกระยะการฝึก
• ความสมดุลของวัสดุและประวัติการผลิตคือจุดยึดทางกายภาพที่ทดสอบแบบจำลองทางเรขาคณิต

งานสมัคร

นำข้อมูลความพรุน/พื้นผิวจากหลุมต่างๆ (ตัวแทน) ของสนาม มีแผนการสร้างแบบจำลองที่สร้างขึ้นพร้อมข้อความแจ้งที่ทรงพลัง จากนั้น: (1) ตรวจสอบว่าความพรุนมีการกระจายภายในส่วนหน้าหรือไม่ (2) ถามปริมาณสำรองเป็น P90/P50/P10 ไม่ใช่ตัวเลขเดียว (3) จัดเตรียมปริมาตรที่กำหนดโดยแบบจำลองโดยประมาณด้วยตรรกะสมดุลวัสดุอย่างง่าย (ที่ผลิต + เหลือ) เพิ่มคำเตือนการคาดการณ์สำหรับภูมิภาคที่ไม่มีหลุมบ่ออย่างน้อยหนึ่งแห่ง

รายการตรวจสอบ

• [ ] ฉันเข้าใจว่าแบบจำลองแหล่งกักเก็บเป็นการประมาณค่าแบบ Well-to-Well และมีความไม่แน่นอน
• [ ] ฉันเผยแพร่คุณสมบัติต่างๆ ตามคำแนะนำของอาคาร ฉันจะไม่รั่วไหลคุณสมบัติเหล่านั้นไปยังอาคารคุณภาพต่ำ
• [ ] ฉันรายงานยอดสำรองเป็นการแจกแจงแบบ P90/P50/P10 ไม่ใช่เลขตัวเดียว
• [ ] ฉันทำเครื่องหมายขีดจำกัดการคาดการณ์
• [ ] ฉันตรวจสอบปริมาณของโมเดลด้วยความสมดุลของวัสดุและประวัติการผลิต