Прибуток:
- Здатність пояснити, як тривимірний розподіл властивостей колектора (пористість, проникність, водонасиченість) моделюється за допомогою ШІ та геостатистики
- Можливість визначення місцезнаходження розповсюдження ознак за допомогою фаційного моделювання, варіограми, крігінгу та машинного навчання
- Можливість перевірки вихідних даних моделі пласта з матеріальним балансом, тестуванням свердловин і сценаріями невизначеності
Щоб створити нафтове чи газове родовище, нам спочатку потрібно побудувати його 3D-модель: де знаходиться порода-колектор, наскільки вона пориста (пористість), наскільки легко рідина тече (проникність/проникність) і скільки пор заповнено вуглеводнями (1 − водонасиченість). Але ми можемо виміряти ці характеристики лише в точках, де ми буримо свердловини; Величезний об'єм між колодязями порожній і його треба заповнити. Характеристика колектора полягає в проведенні точкових вимірювань у свердловинах і поширенні їх на весь об’єм за допомогою геологічної логіки та статистики. У цьому підрозділі ми використовуємо штучний інтелект і геостатистику (галузь статистики, яка моделює просторові дані з невизначеністю) у цій роботі з поширення інформації. Незмінний принцип: кожне значення від свердловини до свердловини є оцінкою, а не фактичною; Невизначеність є частиною моделі і перевіряється фізичною рівновагою.
Основні поняття
- Фація: тип гірської породи з унікальними властивостями, який утворився в певному середовищі відкладень (наприклад, русловий пісок, морські сланці, рифовий вапняк). Якість пласта тісно пов'язана з фаціями: русло добре дренує пісок, але не сланці.
- Варіограма: міра просторової безперервності, яка описує, як схожість ознак зменшується зі збільшенням відстані між двома точками. Це основний інструмент геостатистики.
- Кригінг: метод, який оцінює значення в точках без вибірки за допомогою варіограми разом із похибкою оцінки.
- Стохастичне моделювання: Створення багатьох однаково вірогідних моделей (реалізацій), сумісних із даними, а не одного «найкращого» припущення; Це робить невизначеність видимою.
- Матеріальний баланс: залежність збереження між рідиною, видобутою з пласта, перепадом тиску та залишковим об’ємом; фізичний якір, який незалежно перевіряє обсяг моделі.
Підказка: Модель пласта – це розподіл невизначеності, а не одне число. Правильна мова: «P90=35, P50=50, P10=72 мільйони барелів», а не «Резерв 50 мільйонів барелів». Попросіть ШІ сценарій/розподіл, а не однобальну оцінку.
Як штучний інтелект і геостатистика працюють разом
Класична геостатистика (крігінг, варіограма) є потужною, але бореться з багатофакторними, нелінійними залежностями. Ось де в гру вступає машинне навчання:
- Класифікація фацій: присвоєння фацій із набору журналів (навчання під наглядом); Потім поширте функцію, використовуючи обличчя як орієнтир.
- Оцінка атрибутів: Оцінка пористості між свердловинами за співвідношенням сейсмічних атрибутів + каротаж (сейсмічне моделювання).
- Заповнення прогалин: Заповнення відсутніх каротажних діапазонів розумно з сусідніх свердловин і зв’язків.
Але машинне навчання не знає геологічної логіки. Карта пористості, створена за допомогою моделі, є неправильною, якщо вона не узгоджується з середовищем осадження (наприклад, висока проникність у сланцевих фаціях). Геологічна правдоподібність є першим фільтром результатів ШІ.
Крок за кроком: робочий процес моделі пласта
- Структурний скелет. Встановити геометрію колектора з горизонтами та розломами за допомогою сейсморозвідки (вихід з Блоку 3).
- Фаціальна модель. Визначити фацію в свердловинах (каротаж + керн), розподілити по об’єму з варіограмою/геологічним трендом. AI прискорює класифікацію.
- Розгортання функції. Розподіліть пористість, проникність, водонасиченість у кожній фації за допомогою кригінгу або машинного навчання; Якщо є сейсміка, візьміть гіда.
- Невизначеність. Генерувати велику кількість реалізацій за допомогою стохастичного моделювання; Виводяться обсяги P90/P50/P10.
- Перевірка. Тестовий об’єм моделі з матеріальним балансом і відповідністю історії; Порівняйте з пробною проникністю свердловини.
Три міні-кейси: у цифрах
Випадок 1 — Довідник про фації. Коли пористість була розсіяна на ділянці безпосередньо за допомогою крігінгу, висока пористість «просочувалася» в зони сланцю низької якості. Коли модель фації була вперше встановлена і пористість була розподілена всередині фації, модель стала реалістичною, а стохастичні об’єми звузились: об’єм P50 зменшився на 12%, але діапазон невизначеності звузився на 40%. Правильна структура давала більш реалістичні та безпечніші результати.
Випадок 2 — Екстраполяційна пастка. Модель машинного навчання добре вивчила взаємозв’язок пористості та сейсмічних показників у регіоні, де зосереджені свердловини; але при нанесенні на крайовий блок без свердловини він вийшов за межі навчального діапазону (екстраполяція) і створив нереалістичну пористість 28%. Геолог показав, що цей блок знаходиться в іншій фаціальній зоні; модель була недійсною в цьому регіоні. Межа екстраполяції позначена.
Випадок 3 — Конфлікт матеріального балансу. Багата 3D-модель запасів P50 дала 68 мільйонів барелів; однак раннє падіння видобувного тиску на родовищі вказувало на систему з матеріальним балансом щонайбільше ~45 мільйонів барелів. Протиріччя виникло через те, що модель припускала, що роз’єднані (ізольовані) піщані тіла занадто пов’язані. Було переглянуто підключення і зменшена модель. Фізичний якір фіксував геометричну модель.
Слабка підказка / Сильна підказка
Слабка підказка:
Модель резервуара та запаси отримані на основі цих даних свердловини.[data]
Потужна підказка:
Створіть план DRAFT моделювання колектора з (анонімної) свердловини та сейсмічного підсумку нижче. Правила: - Спочатку побудуйте фаціальну модель; Розподіліть пористість/проникність В МЕЖАХ фації. Вилуговування вуглеводнів у сланці/фації низької якості.- Обґрунтуйте параметри варіограми (напрямок, діапазон) геологічним трендом, а не даними; Запишіть припущення ЧІТКО.- Уявіть результат як розподіл обсягу P90/P50/P10, а не окреме число.- Позначте ризик екстраполяції в безглуздих регіонах.- Напишіть, як перевірити за допомогою матеріального балансу/історії виробництва. Дані: [резюме]
Чотири шаблони, які можна копіювати
1) Проект класифікації фацій:
Запропонуйте підхід до фаціальної класифікації на основі наступного набору каротажів. Запишіть журнали, які будуть використовуватися, визначення класів і необхідність маркування ядра. Вкажіть ризик плутанини між класами та перевіркою на геологічну вірогідність. Дані: [набір журналів]
2) Обґрунтування варіограми:
Встановлюючи варіограму для цих даних про пористість, пов’яжіть напрямок і вибір діапазону з напрямком геологічних опадів. Поясніть ризик припущення ізотропності. Вкажіть межу надійності варіограми з невеликими даними. Дані: [пористість]
3) Сценарій невизначеності:
Створіть об’ємний розподіл P90/P50/P10 для наступних вхідних даних об’єму (площа, товщина, пористість, насиченість, коефіцієнт перетворення). Запитуйте діапазон невизначеності кожного вхідного параметра, не припускайте його. Ранжуйте найвпливовіше джерело невизначеності (торнадо). Вхідні дані: [значення]
4) Перехресна перевірка матеріального балансу:
Порівняйте наведений нижче об’єм 3D-моделі з наведеними ранніми даними про видобуток і падіння тиску для матеріального балансу. Якщо є несумісність, перелічіть можливі причини (підключення, підтримка водоносного горизонту, помилка об’єму). Модель: [обсяг], виробництво/тиск: [дані]
Верифікаційні шари моделі пласта
шар
Які тести
метод
Геологічна правдоподібність
Послідовність рис обличчя
Експертний огляд
дані свердловини
Відповідність точкового вимірювання
Порівняння лог/ядро
добре перевірити
Фактична проникність/тиск
Випробування перехідного тиску
Матеріальний баланс
збереження обсягу
Відношення тиск-виробництво
Історія виробництва
динамічна поведінка
Зіставлення історії
Поширені помилки
- Пропуск обличчя. Розповсюджуйте функції без фаціального керівництва та витоку вуглеводнів за допомогою речі.
- Одноточкове передбачення. Повідомлення єдиного числа запасів замість розподілу невизначеності.
- Екстраполяція. Сліпе застосування моделі до блоків за межами діапазону навчальних даних.
- Пропуск матеріального балансу. Не тестування обсягу 3D-моделі з фізичним балансом.
- Залиште варіограму в автоматичному режимі. Вибір напрямку/діапазону без геологічної тенденції.
Підсумовуючи
- Характеристика пласта - це поширення точкових вимірювань у свердловинах на весь об'єм з геологією та геостатистикою.
- Штучний інтелект і машинне навчання є потужними у класифікації фацій і прогнозуванні ознак; але геологічна правдоподібність є першим фільтром.
- Розподілити ознаки в межах фацій; Повідомте про невизначеність як розподіл P90/P50/P10.
- Позначте межі екстраполяції; Не використовуйте модель наосліп за межами тренувального діапазону.
- Матеріальний баланс і історія виробництва є фізичними якорями, які перевіряють геометричну модель.
Аплікаційне завдання
Візьміть дані про пористість/фації з кількох свердловин (репрезентативних) родовища. Створіть план моделювання за допомогою потужної підказки. Тоді: (1) перевірте, чи пористість розподілена в фаціях, (2) запитайте про запас як P90/P50/P10, а не як одне число, (3) приблизно надайте об’єм, заданий моделлю, за допомогою простої логіки матеріального балансу (видобуток + залишок). Додайте попередження про екстраполяцію принаймні для однієї області без колодязів.
контрольний список
- [ ] Я розумію, що модель пласта є оцінкою від свердловини до свердловини та містить невизначеність.
- [ ] Я розповсюджую функції разом із довідником по фаціям, я не просочую їх у фації низької якості.
- [ ] Я повідомляю резерв як розподіл P90/P50/P10, а не окреме число.
- [ ] Позначаю межі екстраполяції.
- [ ] Я звіряю обсяг моделі з матеріальним балансом та історією виробництва.