Đặc tính hồ chứa, mô hình hóa tướng và địa thống kê

Lợi nhuận:

• Khả năng giải thích cách phân bố 3D các đặc tính hồ chứa (độ xốp, độ thấm, độ bão hòa nước) được mô hình hóa bằng AI và địa thống kê
• Khả năng xác định vị trí lan truyền tính năng bằng mô hình tướng, variogram, kriging và machine learning
• Khả năng xác minh kết quả đầu ra của mô hình hồ chứa với các tình huống cân bằng vật liệu, kiểm tra giếng và không chắc chắn

Để chế tạo một mỏ dầu hoặc khí đốt, trước tiên chúng ta cần xây dựng mô hình 3D của nó: đá chứa ở đâu, độ xốp của nó (độ xốp), chất lỏng chảy dễ dàng như thế nào (độ thấm/thấm) và lượng lỗ chân lông chứa đầy hydrocarbon (1 - độ bão hòa nước). Nhưng chúng tôi chỉ có thể đo lường những đặc điểm này tại những điểm chúng tôi khoan giếng; Thể tích khổng lồ giữa các giếng trống và phải được lấp đầy. Đặc tính hồ chứa là thực hiện các phép đo điểm trong giếng và mở rộng chúng ra toàn bộ thể tích bằng cách sử dụng logic và thống kê địa chất. Trong đơn vị này, chúng tôi sử dụng trí tuệ nhân tạo và thống kê địa lý (nhánh thống kê mô hình hóa dữ liệu không gian với độ không chắc chắn) trong công việc phổ biến này. Nguyên tắc không thay đổi: mọi giá trị tốt đều là ước tính, không phải giá trị thực tế; Sự không chắc chắn là một phần của mô hình và được kiểm tra bằng sự cân bằng vật lý.

Khái niệm cơ bản

• Tướng: Một loại đá có đặc tính độc đáo được hình thành trong một môi trường trầm tích cụ thể (ví dụ: cát sông, đá phiến biển, đá vôi rạn san hô). Chất lượng hồ chứa gắn chặt với tướng: kênh thoát cát tốt nhưng không thoát được đá phiến.
• Variogram: Thước đo tính liên tục trong không gian mô tả mức độ tương tự của đặc điểm giảm khi khoảng cách giữa hai điểm tăng lên. Nó là công cụ cơ bản của địa thống kê.
• Kriging: Một phương pháp ước tính giá trị tại các điểm chưa được lấy mẫu bằng cách sử dụng biểu đồ variogram, cùng với độ không chắc chắn của ước tính.
• Mô phỏng ngẫu nhiên: Tạo ra nhiều mô hình (nhận thức) có khả năng tương đương với dữ liệu, thay vì một dự đoán "tốt nhất" duy nhất; Nó làm cho sự không chắc chắn có thể nhìn thấy được.
• Cân bằng vật chất: Mối quan hệ bảo toàn giữa chất lỏng sinh ra từ bể chứa, độ giảm áp suất và thể tích còn lại; neo vật lý kiểm tra độc lập khối lượng mô hình.

Gợi ý: Mô hình hồ chứa là một phân bố không chắc chắn, không phải là một con số. Ngôn ngữ đúng là "P90=35, P50=50, P10=72 triệu thùng", không phải "Dự trữ 50 triệu thùng". Hỏi AI về một kịch bản/phân phối chứ không phải một ước tính điểm duy nhất.

Cách AI và Thống kê địa lý phối hợp với nhau

Địa thống kê cổ điển (kriging, variogram) rất mạnh mẽ nhưng lại gặp khó khăn với các mối quan hệ đa biến, phi tuyến tính. Đây là lúc máy học phát huy tác dụng:

• Phân loại tướng: Gán các tướng từ bộ nhật ký (học có giám sát); Sau đó phân phối tính năng bằng cách sử dụng các tướng làm hướng dẫn.
• Ước tính thuộc tính: Ước tính độ xốp giữa các giếng từ thuộc tính địa chấn + mối quan hệ nhật ký (mô hình định hướng địa chấn).
• Lấp đầy khoảng trống: Hoàn thiện các phạm vi nhật ký còn thiếu một cách hợp lý từ các giếng và mối quan hệ lân cận.

Nhưng học máy không biết logic địa chất. Bản đồ độ xốp do mô hình tạo ra sẽ không chính xác nếu nó không phù hợp với môi trường lắng đọng (ví dụ: tính thấm cao ở các tướng đá phiến). Tính hợp lý về mặt địa chất là bộ lọc đầu tiên của đầu ra AI.

Từng bước: Quy trình làm việc của mô hình hồ chứa

1. Bộ xương kết cấu. Thiết lập hình dạng của hồ chứa với các tầng và đứt gãy do địa chấn (kết quả từ Đơn vị 3).
2. Mô hình Facies. Xác định tướng trong giếng (log + lõi), phân bố theo thể tích với đồ thị biến thiên/xu hướng địa chất. AI tăng tốc độ phân loại.
3. Triển khai tính năng. Phân bố độ xốp, độ thấm, độ bão hòa nước trong từng tướng bằng phương pháp kriging hoặc machine learning; Nếu có địa chấn, hãy tìm người hướng dẫn.
4. Sự không chắc chắn. Tạo ra số lượng lớn các hiện thực hóa bằng mô phỏng ngẫu nhiên; Khối lượng P90/P50/P10 là đầu ra.
5. Xác minh. Kiểm tra khối lượng mô hình với cân bằng vật liệu và lịch sử khớp; So sánh với thử nghiệm tính thấm tốt.

Ba trường hợp nhỏ: Bằng những con số

Trường hợp 1 - Giá trị của hướng dẫn tướng. Khi độ xốp được phân tán trực tiếp tại một địa điểm bằng cách giết chết, độ xốp cao “rò rỉ” vào các vùng đá phiến chất lượng thấp. Khi mô hình tướng lần đầu tiên được thiết lập và độ xốp được phân bổ trong các tướng, mô hình trở nên thực tế và khối lượng ngẫu nhiên bị thu hẹp: khối lượng P50 giảm 12%, nhưng dải không chắc chắn thu hẹp 40%. Cấu trúc chính xác mang lại kết quả thực tế hơn và an toàn hơn.

Trường hợp 2 - Bẫy ngoại suy. Mô hình học máy đã học tốt mối quan hệ độ xốp-địa chấn ở khu vực tập trung nhiều giếng; nhưng khi áp dụng cho khối cạnh không có giếng, nó nằm ngoài phạm vi huấn luyện (ngoại suy) và tạo ra độ xốp phi thực tế là 28%. Nhà địa chất đã chỉ ra rằng khối đó nằm ở một vùng tướng khác; mô hình không hợp lệ ở khu vực đó. Giới hạn ngoại suy được đánh dấu.

Trường hợp 3 - Xung đột cân bằng vật chất. Dự trữ P50 theo mô hình 3D phong phú mang lại 68 triệu thùng; tuy nhiên, sự sụt giảm áp lực sản xuất ban đầu của mỏ cho thấy một hệ thống có cân bằng nguyên liệu nhiều nhất là ~45 triệu thùng. Sự mâu thuẫn xảy ra do mô hình giả định các khối cát rời rạc (bị cô lập) quá liên kết với nhau. Kết nối đã được xem xét lại và mô hình được làm nhỏ hơn. Mỏ neo vật lý đã cố định mô hình hình học.

Nhắc yếu / Nhắc mạnh

Dấu nhắc yếu:

Mô hình hồ chứa và trữ lượng được lấy từ dữ liệu giếng này.[dữ liệu]

Lời nhắc mạnh mẽ:

Tạo kế hoạch lập mô hình hồ chứaDRAFT từ bản tóm tắt địa chấn và giếng (ẩn danh) bên dưới. Quy tắc:- Xây dựng mô hình tướng đầu tiên; Phân phối độ xốp/độ thấm TRONG tướng. Tính năng hydrocarbon thấm vào đá phiến/tàu chất lượng thấp.- Chứng minh các thông số variogram (hướng, phạm vi) từ xu hướng địa chất, không phải từ dữ liệu; Viết các giả định RÕ RÀNG.- Trình bày kết quả dưới dạng phân bố khối lượng P90/P50/P10, không phải một con số duy nhất.- Đánh dấu nguy cơ ngoại suy ở những vùng không có sức khỏe.- Viết cách xác minh bằng cân bằng vật chất/lịch sử sản xuất. Dữ liệu: [tóm tắt]

Bốn mẫu có thể sao chép

1) Dự thảo phân loại tướng:

Đề xuất phương pháp phân loại tướng từ tập hợp nhật ký sau. Viết ra các nhật ký sẽ được sử dụng, định nghĩa lớp và nhu cầu ghi nhãn cốt lõi. Chỉ định nguy cơ nhầm lẫn giữa các lớp và kiểm tra tính hợp lý về mặt địa chất. Dữ liệu: [bộ nhật ký]

2) Chứng minh bằng phương pháp Variogram:

Khi thiết lập một biểu đồ đa dạng cho dữ liệu độ xốp này, hãy liên hệ việc lựa chọn hướng và phạm vi với hướng của lượng mưa địa chất. Giải thích rủi ro khi giả định đẳng hướng. Nêu rõ giới hạn của độ tin cậy của phép ghi âm đa phương với ít dữ liệu. Dữ liệu: [độ xốp]

3) Kịch bản không chắc chắn:

Tạo phân bố âm lượng P90/P50/P10 cho các đầu vào âm lượng sau (diện tích, độ dày, độ xốp, độ bão hòa, hệ số chuyển đổi). Hãy hỏi phạm vi không chắc chắn của từng đầu vào, đừng giả định điều đó. Xếp hạng nguồn gây bất ổn có ảnh hưởng nhất (cơn lốc xoáy). Thông tin đầu vào: [values]

4) Kiểm tra chéo cân bằng vật liệu:

So sánh khối lượng mô hình 3D sau đây với dữ liệu giảm áp suất và sản xuất ban đầu nhất định để cân bằng vật liệu. Nếu có sự không tương thích, hãy liệt kê các lý do có thể xảy ra (kết nối, hỗ trợ tầng chứa nước, lỗi âm lượng). Model: [khối lượng], sản xuất/áp suất: [dữ liệu]

Lớp xác minh mô hình hồ chứa

lớp

Kiểm tra gì

phương pháp

Tính hợp lý về mặt địa chất

Tính nhất quán của các tướng

Đánh giá của chuyên gia

dữ liệu giếng

Tuân thủ đo điểm

So sánh nhật ký/lõi

kiểm tra tốt

Độ thấm/áp suất thực tế

Kiểm tra thoáng qua áp suất

Cân bằng vật chất

bảo toàn khối lượng

Mối quan hệ áp lực-sản xuất

Lịch sử sản xuất

hành vi năng động

So khớp lịch sử

Những lỗi thường gặp

• Các khuôn mặt bỏ qua. Phân phối các tính năng không có hướng dẫn tướng và rò rỉ hydrocarbon với vật thể.
• Dự đoán điểm duy nhất Báo cáo một số lượng dự trữ thay vì phân phối không chắc chắn.
• Phép ngoại suy. Áp dụng mô hình một cách mù quáng cho các khối nằm ngoài phạm vi dữ liệu huấn luyện.
• Bỏ qua cân bằng vật chất. Không kiểm tra khối lượng mô hình 3D bằng cân bằng vật lý.
• Để variogram ở chế độ tự động. Chọn hướng/phạm vi mà không có xu hướng địa chất.

Tóm lại

• Đặc tính hồ chứa là sự mở rộng các phép đo điểm trong giếng cho toàn bộ thể tích bằng địa chất và địa thống kê.
• AI và học máy có tác dụng mạnh mẽ trong việc phân loại tướng và dự đoán đặc điểm; nhưng tính hợp lý về địa chất là bộ lọc đầu tiên.
• Phân phối các tính năng trong các tướng; Báo cáo độ không đảm bảo dưới dạng phân bố P90/P50/P10.
• Đánh dấu các giới hạn ngoại suy; Đừng mù quáng sử dụng mô hình ngoài phạm vi đào tạo.
• Cân bằng vật chất và lịch sử sản xuất là những điểm neo vật lý kiểm tra mô hình hình học.

Nhiệm vụ ứng dụng

Lấy dữ liệu về độ xốp/diện mạo từ một số giếng (đại diện) của một cánh đồng. Tạo một kế hoạch mô hình hóa với lời nhắc mạnh mẽ. Sau đó: (1) kiểm tra xem độ xốp có được phân bổ trong các tướng hay không, (2) yêu cầu dự trữ dưới dạng P90/P50/P10, không phải một con số duy nhất, (3) cung cấp đại khái thể tích do mô hình đưa ra bằng logic cân bằng vật liệu đơn giản (sản xuất + còn lại). Thêm cảnh báo ngoại suy cho ít nhất một vùng không có sức khỏe.

danh sách kiểm tra

• [ ] Tôi hiểu rằng mô hình hồ chứa là một ước tính tốt và có tính không chắc chắn.
• [ ] Tôi phân phối các tính năng theo hướng dẫn về các tướng, tôi không rò rỉ chúng vào các tướng có chất lượng thấp.
• [ ] Tôi báo cáo khoản dự trữ dưới dạng phân phối P90/P50/P10, không phải một con số.
• [ ] Tôi đánh dấu các giới hạn ngoại suy.
• [ ] Tôi xác minh khối lượng mô hình bằng cân bằng nguyên liệu và lịch sử sản xuất.