Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Nafta-Gaz

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Wykorzystanie technik sztucznych sieci neuronowych do predykcji wybranych parametrów jako uzupełnienia zbioru danych wejściowych w konstrukcji modeli parametrycznych 3D

Kaczmarczyk Weronika, Brodzicki Andrzej

Nafta-Gaz

2021

R. 77, nr 7

429--445

W artykule przedstawiono możliwości wykorzystania sztucznych sieci neuronowych (SSN) do predykcji parametrycznej w profilach otworów wiertniczych, której zastosowanie uzupełniło zestaw informacji we wszystkich otworach wiertniczych zlokalizowanych w obrębie analizowanego obszaru. Zaprezentowana w artykule metodologia może być użyta w przypadku braku możliwości specjalistycznej interpretacji krzywych geofizyki wiertniczej, uzupełniającej brakujące dane. Zestaw wykorzystanych w pracy danych obejmował rozwiązania w profilach 10 otworów wiertniczych, z których cztery otwory charakteryzowały się pełnym zestawem danych analizowanych w ramach niniejszego artykułu, obejmujących prędkość fali podłużnej, porowatość efektywną, nasycenie węglowodorami, moduł Younga i współczynnik Poissona. Wykorzystując technikę działania sztucznych sieci neuronowych, przeprowadzono predykcję brakujących informacji, bazując na relacjach pomiędzy analizowanymi parametrami w otworach, gdzie estymowane dane były dostępne. W ostatnich latach obserwuje się dynamiczny rozwój technologii szeroko pojętego uczenia maszynowego (ang. machine learning) i tak zwanej sztucznej inteligencji. Niewiele pozostaje dziedzin nauki, w których nie miałyby one zastosowania. Tak jest również w branży naftowo-gazowniczej. Parametr nasycenia węglowodorami, pomimo wyzwań, jakie niesie za sobą interpretacja tego parametru, również został poddany próbie estymacji, potwierdzając niskimi wartościami korelacji pomiędzy analizowanymi parametrami, że wymaga zdecydowanie bardziej zaawansowanych prac o indywidualnym charakterze. Wyniki predykcji parametrycznej, poddane wcześniej walidacji poprzez charakterystykę parametrów R (różnica pomiędzy wartością rzeczywistą a estymowaną) i RMSE (pierwiastek błędu średniokwadratowego), zostały w kolejnym kroku zaaplikowane w procesie modelowania przestrzennego wszystkich analizowanych parametrów. Finalnie, w celu wizualizacji różnic pomiędzy wykorzystaniem niepełnego i po części estymowanego zestawu danych w analizie przestrzennej, zaprezentowano mapę średnich wartości wybranego parametru w obrębie analizowanego interwału stratygraficznego. Tak przygotowany zestaw danych pozwolił na bardziej wiarygodne odtworzenie przestrzenne rozkładu parametrów istotnych w kontekście charakterystyki złoża węglowodorów, na podstawie którego w kolejnych etapach możliwa jest wiarygodniejsza ocena potencjału złożowego analizowanego obiektu. Zaprezentowana w artykule metodyka, oparta na rozwiązaniu rzeczywistego problemu badawczego, stanowi alternatywę, dla koszto- i czasochłonnych interpretacji geofizycznych, niekiedy znacznych liczb otworów wiertniczych, szczególnie dla obszarów charakteryzujących się relatywnie niewielką przestrzenną zmiennością i złożonością tektoniczną. Warunkiem jest dostępność interpretacji danych geofizyki wiertniczej w co najmniej kilku otworach stanowiącej wzorzec dla odtworzenia zmienności badanego parametru/parametrów w pozostałych profilach otworów wiertniczych.

The article presents the possibilities of using artificial neural networks for parametric prediction in borehole profiles, the application of which supplemented the set of information in all boreholes located within the analyzed area. The approach presented in the article will be used when there is no possibility of specialized interpretation of the drilling geophysics curves, supplementing the missing data. The set of data used in the study included solutions in the profiles of 10 boreholes, four of which were characterized by the availability of the full data set analyzed in this article, including compressional wave velocity, effective porosity, hydrocarbon saturation, Young’s modulus and Poisson’s ratio. Using the technique of the operation of artificial neural networks, a prediction of missing information was carried out based on the relationships between the analyzed parameters in the wells, where the estimated data was available. In recent years, there has been a dynamic development of machine learning technology and the so-called artificial intelligence. There are very few fields of science in which they find no application. The hydrocarbon saturation parameter, despite the challenges posed by the interpretation of this parameter, was also subjected to an estimation attempt, confirming the low correlation values between the analyzed parameters and requiring much more advanced work of an individual nature. The results of parametric prediction, previously validated by characterizing the R and RMSE parameters, were applied in the next step in the spatial modeling process of all analyzed parameters. Finally, as part of the visualization of the differences between the use of an incomplete and partially estimated data set in spatial analysis, a map of mean values of the selected parameter within the analyzed interval was presented. The set of data prepared in this way allowed for a more reliable spatial reconstruction of the distribution of parameters important in the context of the characteristics of the hydrocarbon reservoir, on the basis of which, in the subsequent stages, it is possible to more fully assess the deposit potential of the analyzed object. The methodology presented in the article, supported by a real case study, is an alternative to geophysical interpretations that require financial and time resources, sometimes large numbers of boreholes, especially for areas characterized by relatively low spatial variability and tectonic complexity. The condition is the availability of the interpretation in at least several boreholes, constituting a pattern for recreating the variability of the tested parameter / parameters in the remaining profiles of the boreholes.

Wielowariantowa predykcja prędkości fali S w ocenie parametrów sprężystych formacji łupkowych

Kaczmarczyk Weronika, Słota-Valim Małgorzata

Nafta-Gaz

2020

R. 76, nr 7

441--448

Rozpoznanie i udostępnianie złóż niekonwencjonalnych stanowi ogromne wyzwanie. Złoża te ze względu na swoją nietypowość, objawiającą się ograniczonymi właściwościami filtracyjnymi, wymagają indywidualnego podejścia i wykorzystania specyficznych rozwiązań. Obejmują one między innymi wyznaczanie stref o wyższym potencjale węglowodorowym, tzw. sweet spotów, dowiercanie się do złoża przy wykorzystaniu technologii wiercenia poziomego czy planowanie, jak też przeprowadzanie zabiegów stymulacji skał na drodze szczelinowania hydraulicznego. Analiza odpowiedniej kombinacji parametrów w tym przypadku może okazać się kluczowa i dostarczać niezwykle istotnych informacji o złożu. Parametry sprężyste, jako jedne z istotniejszych parametrów pozwalających scharakteryzować złoże, np. pod kątem podatności skał na szczelinowanie, wymagają między innymi dostępności informacji o przebiegu fali poprzecznej Vs, która w przeciwieństwie do danych dotyczących prędkości fali podłużnej Vp, jest rzadko mierzona w standardzie krajowym. W związku z tym w niniejszym artykule omówiono wielowariantową predykcję prędkości fali poprzecznej przy wykorzystaniu znanych zźliteratury i zmodyfikowanych modeli teoretycznych, w tym modelu Castagny oraz Greenberga i Castagny. Wykorzystując otrzymane wyniki, obliczono parametry sprężyste, na których podstawie w kolejnym etapie możliwa była interdyscyplinarna charakterystyka formacji złożowej, np. w aspekcie oceny podatności formacji złożowej na szczelinowanie hydrauliczne i powstanie tym samym szczelin technologicznych stanowiących ścieżkę migracji dla płynów złożowych. Bazując na różnych rozwiązaniach, opracowano w skali otworów wiertniczych 5 wariantów prędkości fali poprzecznej, której wyniki następnie posłużyły do obliczenia modułów sprężystych: modułu Younga iźwspółczynnika Poissona. Ponieważ analizowany obszar badań charakteryzował się dostępnością danych o prędkości fali poprzecznej we wszystkich 4 analizowanych otworach, możliwa była weryfikacja wyników estymowanych parametrów. W dalszej kolejności do przestrzennej charakterystyki złoża zastosowano warianty obliczeń modułu Younga, wykorzystując w procesie integracji dane sejsmiczne. Analizę prowadzono w ordowicko-sylurskich formacjach łupkowych zdeponowanych w basenie bałtyckim, w interwałach wzbogaconych w materię organiczną.

: Exploration and development of the hydrocarbons reservoir in unconventional rock formation is a huge challenge. Due to their specific nature, which is manifested by limited filtration properties, they require an appropriate approach and the use of specific solutions. They include, among others, the determination of zones with higher hydrocarbon potential – so called sweet spots, application of horizontal drilling technology, or designing as well as performing rock stimulation treatments of rocks usually with low or almost zero permeability with the use of hydraulic fracturing. The analysis of the right combination of parameters in this case can be essential and provide extremely important information about the reservoir in an unconventional rock formation. As one of the most important parameters allowing, among others, to characterize the reservoir in terms of rock susceptibility to hydraulic fracturing, elastic properties require the availability of shear wave Vs, which in contrast to compressional wave Vp in the Polish standard is measured rarely. Therefore, in this paper, a multivariate prediction of shear wave velocity was developed with the use of theoretical models known from the literature and modified, based on which we estimate the elastic parameters. Using the obtained results, the elastic parameters were calculated on the basis of which, in the next stage, interdisciplinary characterization of reservoir formation is possible, e.g. in the aspect of assessing the reservoir formation susceptibility to hydraulic fracturing and thus creating technological fractures constituting the migration path for reservoir fluids. Based on different solutions, 5 variants of shear wave velocity were developed in the borehole scale, the results of which were then used to calculate the elastic modules: the Young modulus and the Poisson ratio. Because of the availability of the measured shear wave in each analyzed wellbores, it was possible to verify the results of the estimated variants. Subsequently, for the purpose of spatial characterization of the reservoir, calculated variants of the Young modulus were integrated with the seismic data. The analysis was conducted in Ordovician – Silurian shale formations in the Baltic Basin, at intervals enriched with organic matter.