CN105008664B - 能量沉积物发现系统和方法 - Google Patents
能量沉积物发现系统和方法 Download PDFInfo
- Publication number
- CN105008664B CN105008664B CN201380070888.XA CN201380070888A CN105008664B CN 105008664 B CN105008664 B CN 105008664B CN 201380070888 A CN201380070888 A CN 201380070888A CN 105008664 B CN105008664 B CN 105008664B
- Authority
- CN
- China
- Prior art keywords
- well
- energy deposit
- yield
- existing
- geologic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 87
- 229910052500 inorganic mineral Inorganic materials 0.000 claims abstract description 6
- 239000011707 mineral Substances 0.000 claims abstract description 6
- 238000013179 statistical model Methods 0.000 claims description 7
- 238000012417 linear regression Methods 0.000 claims description 5
- 241000208340 Araliaceae Species 0.000 claims 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims 1
- 235000003140 Panax quinquefolius Nutrition 0.000 claims 1
- 235000008434 ginseng Nutrition 0.000 claims 1
- 238000005553 drilling Methods 0.000 abstract description 10
- 239000004215 Carbon black (E152) Substances 0.000 abstract description 2
- 230000008021 deposition Effects 0.000 abstract description 2
- 229930195733 hydrocarbon Natural products 0.000 abstract description 2
- 150000002430 hydrocarbons Chemical class 0.000 abstract description 2
- 239000003129 oil well Substances 0.000 abstract 1
- 230000006870 function Effects 0.000 description 14
- 238000005259 measurement Methods 0.000 description 9
- 238000004519 manufacturing process Methods 0.000 description 8
- 230000015572 biosynthetic process Effects 0.000 description 7
- 238000005755 formation reaction Methods 0.000 description 7
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 238000000540 analysis of variance Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 102100027611 Rho-related GTP-binding protein RhoB Human genes 0.000 description 1
- 101150054980 Rhob gene Proteins 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000003208 petroleum Substances 0.000 description 1
- 238000000053 physical method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21B—EARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
- E21B43/00—Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
- E21B43/30—Specific pattern of wells, e.g. optimising the spacing of wells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V20/00—Geomodelling in general
Landscapes
- Engineering & Computer Science (AREA)
- Geology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Fluid Mechanics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- General Factory Administration (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Computational Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Pure & Applied Mathematics (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Algebra (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Physical Or Chemical Processes And Apparatus (AREA)
Abstract
提供了一种确定有成效的租约或井的能量沉积物确定系统和方法。该系统和方法可用于油井、气井、油气勘探和/或矿物租约。本公开一般地涉及用于确定能量沉积物的位置的系统和方法，并且具体涉及用于确定针对油气沉积物的最有成效钻探机会的一个或多个位置的系统和方法。
Description
技术领域
本公开一般地涉及用于确定能量沉积物的位置的系统和方法，并且具体涉及用于确定针对油气沉积物的最有成效钻探机会的一个或多个位置的系统和方法。
背景技术
油和天然气生产者以及行业中的其他人关键需要知道最有成效的钻探机会的位置。事实上，在大多数情况下，井的位置是井的经济回报中的最重要单因素。石油地质学和地球物理学中的大部分努力最终目的在于该中心问题：钻探油气的最佳位置是什么。该行业已经开发了尝试回答此问题的许多复杂系统和方法，但是并没有提供完整的解决方案。
回答该问题的大多数现有尝试涉及到使用从现有井收集的测量结果、地震数据以及关于在几百万年内发生的地质学过程的知识来构建地下地层的详细地质模型。层序地层是用于构建此类地质模型的一个策略的示例。这些模型帮助告知公司在哪里钻井，因为所述模型估计通常是井的生产能力的重要预测因子的某些变量。此类估计变量的示例是地层厚度、孔隙度、渗透率和电阻率。
用于构建并解释地质模型的现有策略在用来对大于几百平方英里的区域进行建模时是不足的。针对较大区域要获得的某些数据、特别是地震数据可能是难以获得的或者耗费巨大。然而，更重要的是，这些模型并未以一致的方式说明现有产量，并且未能利用统计方法基于在对大区域进行建模时可用的大量数据点来估计产量。这导致用于现有策略的模型具有较低预测能力。因此，期望的是提供一种用于预测井位置的系统和方法，其克服了已知系统的上述限制，并且本公开正是针对该目的。
附图说明
图1图示出可实现能量沉积物发现系统的计算机系统的示例；
图2A-2B图示出用于能量沉积物发现的方法；
图3图示出能量沉积物发现方法的内插过程；
图4图示出能量沉积物发现方法的产量计量过程的选择；
图5图示出能量沉积物发现方法的线性模型过程的生成；
图6图示出能量沉积物发现方法的估计产量计量过程的生成；
图7图示出能量沉积物发现方法的生产井区间(bins)过程的生成；
图8图示出用于确定针对每个井的产量的过程，其是能量沉积物发现方法的一部分；以及
图9图示出能量沉积物发现方法的到租约过程的得分的分配。
具体实施方式
本公开特别适用于用于油气井的生产井确定系统，并且将在此背景下描述本发明。然而，将认识到的是，该系统和方法具有更大的实用性，因为其可用来确定针对其它物质的生产井，并且其可以以对于本领域技术人员而言已知的不同方式来实现，所述本领域技术人员会理解在本公开的范围内的那些修改/不同的实施方式。此外，除下面描述的生产井测量之外，该系统和方法还可用来估计某位置处的任何连续变量，其与能够在邻近的其它位置处找到(解释或估计)的地质参数有关。
图1图示出可实现能量沉积物发现系统的计算机系统100的示例。图1中所示的计算机系统可以是独立计算机系统，其具有机架102和显示设备104及一个或多个输入/输出设备105，诸如鼠标、键盘、打印机等。该计算机系统可以是典型的个人计算机系统，或者其可以是用于能量沉积物发现系统的专用计算机系统。在能量沉积物发现系统的一个实施方式中，计算机可存储(并且然后使用计算机系统的一个或多个处理器执行)共同作为能量沉积物发现系统的能量沉积物发现单元106a(实现为多行计算机代码)和能量沉积物发现引擎106b(实现为多行计算机代码)。能量沉积物发现引擎106b还可包括执行下述内插和选择过程的内插单元、执行下述建模过程的建模单元、以及处理下述显示过程的显示单元，并且这些单元中的每一个可以是硬件实现或软件实现的。在另一实施方式中，单元106a和引擎106b每个可用硬件(执行下述系统的功能的硬件设备)实现。图1中所示的计算机系统100还可具有存储装置108，其存储生产井数据和被能量沉积物发现系统用来执行其下述操作和功能的其它数据等等。在能量沉积物发现系统的软件实施方式中，所述多行计算机代码可以是用R编程语言编写并在Apple OSX上或Microsoft Windows台式计算机上的R环境中运行的计算机代码行。备选地，可在各种不同的硬件平台上使用诸如C++或Java之类的其它编程语言和诸如Linux之类的其它操作系统来实现能量沉积物发现系统的软件实施方式。
除能量沉积物发现系统的台式机实施方式之外，该能量沉积物发现系统还可使用其它计算机资源及其它架构(诸如云计算资源、主机、一个或多个服务器计算机连同与服务器计算机相交互的客户端设备、软件即服务(SaaS)模型等等)来实现，因为能量沉积物发现系统不限于任何特定计算机系统实施方式。
能量沉积物发现系统确定可能钻井的位置的产量计量，表示为P。产量计量是井的生产特性的任何的任意函数。例如：P＝O＋G/20，其中，O是油生产的初始速率，并且G是气生产的初始速率。然而，如果想要仅估计油的话，则可以选择P＝O。出于可视化的目的且为了简化由估计P所针对的许多位置组成的输出的理解，该系统和方法可使用预定尺寸(诸如每个1平方英里)的正方形小区来划分大的区域。在该系统和方法中，在每个正方形的中心处估计P，并且将用于所有小区的P的全部确定值装入预定数目的区间(诸如8个区间)中，并且用字母‘等级’来指定每个区间。因此，用8个区间示例，可将第一区间指定为‘A’且其对应于P的最高值。可将下一区间指定为‘B’等等，直至对应于P值的最低范围的‘H’区间为止。在一个实施例中，采用“相等宽度”的分区间策略，但是也可使用其它策略。如下面更详细地描述的那样，这产生了每个正方形采用字母‘等级’的正方形地图。最后，利用分级小区的网格，用户能够将地理上可位于网格内的任何项目进行分级。例如，要钻井的许可(或意图)具有与提议的井相对应的位置，并且使得可以将许可或租约进行分级。类似地，可以以类似方式基于贯穿矿物土地多边形的网格小区将租约的矿物土地进行分级。现在，参考图2A-9来更详细地描述用于能量沉积物发现的方法的特定实施方式。
图2A-2B图示出用于能量沉积物发现的方法200。方法200可在图1中所示的单元106A和引擎106B中实现，但还可使用执行多行计算机代码的通用处理器、被编程来实现以下过程的硬件设备等等来实现。在一个实施例中的方法中，用户想要识别用当前系统难以实现的特定较大区域中的最多产的井的位置。该方法可例如用来识别诸如数十至数千平方英里之类的非常大的区域中的生产井。
针对感兴趣的给定区域(地质活动)，选择单独的两组井：地质井和生产井。每组井贡献不同的信息来创建模型。地质井贡献直接从井测量的信息。此类信息通常被描述为‘井日志测量结果’或者简单地‘井日志’。地质井还贡献从井日志信息或可能从井的其它类型的物理测量结果(诸如岩芯样本或钻杆测试)解释的信息。此类信息被称为地质解释，并且可包括例如地层深度、地层厚度、岩石性质、有机环境和许多其它变量。基于可针对每个井的井日志信息的可用性和质量跨感兴趣区域选择地质井。井日志测量结果和地质解释的组合是输入到模型中的一组输入，并且被共同地称为地质参数。
生产井贡献用来计算产量计量P的生产量或其它测量结果。基于感兴趣区域中的该组所有生产井来选择生产井。所选的井必须从感兴趣的深度生产，并且必须具有足够的生产月份以确立井的生产潜力(一般地大于3个月的生产)。可添加附加约束，诸如井眼路径信息的可用性。
除地质井信息之外，该方法和系统可使用其它类型的信息来补充对地质情况进行建模的地质井信息。例如，可能使用地震信息和/或岩芯报告作为用于该方法的部分数据。
在一个实施例中使用的地质参数的示例(针对德克萨斯州的特定区域)是：
针对以下每个地层的地层深度：Austin Chalk、Upper Eagle Ford、Lower EagleFord、Buda以及Edwards。使用层序地层技术来选择地层表面，尽管也可使用其它方法
针对以下每个地层的地层厚度：Austin Chalk、Upper Eagle Ford、Lower EagleFord以及Buda
跨以下每个地层的γ射线平均和标准偏差：Upper Eagle Ford和Lower EagleFord
针对以下每个地层的具有大于75(api单位)的γ射线的净英尺：Upper EagleFord和Lower Eagle Ford
用跨以下每个地层测量的ILD所测量的平均和标准偏差电阻率：Upper EagleFord和Lower Eagle Ford
跨以下每个地层测量平均和标准偏差中子孔隙度(NPHI)：Upper Eagle Ford和Lower Eagle Ford
跨以下每个地层测量平均和标准偏差体积密度(RHOB)：Upper Eagle Ford和Lower Eagle Ford。
在该方法中，对区域的地质参数进行内插(202)，并且在图3中示出了内插过程的更多细节。特别地，针对用户感兴趣的区域中的多个井位置(如图3中的示例中所示的井1、井2、...、井3)中的每一个确定一至N个地质参数(g1、…、gN)。上文阐述了地质参数的非穷举列表。在此过程中，该方法可利用使用B样条近似202a和地层表面解析器202b的内插来生成一组函数Fg1(x,y,z)、Fg2(x,y,z)、...、FgN(x,y,z)，以估计任何地理位置处的地质值。
地层表面解析器过程202b对地质参数的子集进行操作并因此影响所述函数的子集。该子集由指示地质表面的深度的那些地质参数构成。地质表面具有某些物理约束。特别地，一个地质表面从不与另一地质表面交叉，虽然两个表面可接触。例如，设想存在4个表面：A、B、C和D，并且在物理上，A在B之上，B在C之上，C在D之上。可能在某些位置处，A可以接触B或者B可以接触C或者C可以接触D。然而，C绝不会跨过B而接触A。如果C接触A，则B必须接触A。地层表面解析器是确保遵守那些物理约束的方法和系统。用来确保遵守物理约束的过程是要使用每个地质井的位置处的最顶层表面的深度作为到近似的输入来使用内插法找到每个位置处的最顶层地层表面(使用以上示例的表面A)的深度。所使用的内插法可以是b样条近似(202a)。接下来，使用每个地质井的位置处的地层厚度作为到近似的输入而使用内插来找到最上地层与下一个较深地层之间(使用上述示例在A和B之间)的地层厚度。这是每个点处的最顶层地层的内插厚度。如果DA(x,y)表示描述最顶层地层(表面A)的内插深度(始终作为负数)的函数，并且如果TA(x,y)表示描述最顶层地层的内插厚度的函数，则由给定下一最深地层(表面B)的深度。接下来，使用每个地质井的位置处的地层厚度作为到近似的输入，使用内插来找到表面B与表面C之间的地层厚度。如果用函数TB(x,y)来表示此内插厚度，则由给定下一较深表面的深度。此过程持续直到生成所有表面深度函数。由于每个厚度函数(TA(x,y)、TB(x,y)、...)每处都大于或等于零，所以该过程确保遵守物理约束。然后，该方法使用这些地质值来选择在图4中更详细地示出的产量计量(204)。在此过程中，选择针对生产井的产量计量(P)。产量计量可能是例如，其中，Omax和Gmax分别地是自从井开始生产以来用于井的在任何月份中经历的最大的月油和气产量。这在能源行业中称为“桶油当量”，其使用20:1的气与油的比。另一产量计量可能是仅Omax或仅Gmax。另一个可能是，其中，Oc和Gc分别地是对于该井而言到目前为止生产的累计油和累计气。另一个可能的平方根或的自然对数。在以上计量中，在某个陆上区域或者可能更高的地方，Omax可高达45000 BO/mo(产油桶数/月)，并且Gmax可高达300000MCF/mo(千立方英尺/月)。
针对每个井，存储装置108包含每个井的各种特性，包括每个井的跟位置和趾位置及产量计量。井的跟和趾位置是用于水平钻井的两个特定区段的行业术语。在水平钻井中，操作员首先钻进井的垂直部分以达到某个深度。然后，使钻头的方向缓慢地变成水平(其近似平行于地球的表面)。到水平的此缓慢转动可在1000英尺或更大范围内发生。一旦钻头是近似水平的，则继续水平地钻进。其中钻头变得接近于水平的沿着井眼路径的点称为跟。井眼路径的末端称为趾。然后，使用上文确定的针对每个井的位置参数，该方法使用上述函数Fg1(x,y,z)、Fg2(x,y,z)、...、FgN(x,y,z)来估计地质参数。此过程的结果是针对每个井跟位置的N个地质参数和针对每个井趾位置的N个地质参数，如图4的下部所示。这种方法还可以扩展至给出除跟和趾位置之外沿着井眼的一个或多个位置处的N个地质参数中的每个地质参数的值。
然后，使用由每个生产井跟和趾位置处的函数Fg1(x,y,z)、Fg2(x,y,z)、...、FgN(x,y,z)给定的地质参数，该方法生成线性模型(206)，并且在图5中示出了其细节。更详细而言，该过程构建线性模型(206b)，所述线性模型(206b)使每个生产井的产量计量P与该2*N个估计地质参数组(用于每个跟和趾位置的N个参数)相关。可以将此线性模型扩展至使P与不仅仅是每个生产井的跟和趾位置处的估计地质参数相关。实践中，仅生产井的子集(可能80%)被用来构建模型(206a)。稍后使用其余“样本外”井来检查结果。在该过程中，使用一组b样条基函数来创建线性模型。该过程被记录在以下文献中并通过引用将该文献结合到本文中：Hastie, T. J. (1992) Generalized additive models. Chapter 7 ofStatistical Models in S eds J. M. Chambers and T. J. Hastie, Wadsworth &Brooks/Cole。
更详细而言，线性回归模型可以具有多达k＝N×M个回归项，其中，N是地质参数的数目(在本实施例中约30个参数)且M是多项式拟合的阶(在本实施例中第5阶)。因此，存在K个可能的回归项。为了在拟合方面进行限制，期望具有较少的回归项。在一个实施例中，方法(206c)使用30个最重要的回归项，其使用以下文献中讨论的算法策略并通过引用将该文献结合到本文中：Das et al., "Algorithms for Subset Selection in LinearRegression", 40th ACM International Symposium on Theory of Computing (STOC'08), May 17-20, 2008, pp. 45-54。该策略按照如下方式进行：从k个可用项中找到一个回归项a1，其单独地创建线性模型中的最高的拟合系数(r-square)。接下来，从k-1个其余可用项中找到回归项a2，其在与a1组合以创建2项模型时具有最高拟合系数。接下来，从k-2个其余可用项中找到回归项a3，其在与a1和a2组合以创建3项模型时具有最高的拟合系数。该过程持续，直到选择了全部的30个项。最后，通过使用ANOVA来比较模型来去除最不重要的项。
在基于ANOVA分析而保持30个最重要回归项(或者可能更少)之后，结果得到的线性模型(206d)可以预测作为地质参数g1,heel、g2,heel、gn,heel、g1,toe、g2,toe、gn,toe的函数的产量计量P。用以构建线性模型(206)的方法可以替代地使用其它策略。此外，该方法可以使用非线性建模策略(例如分类和回归树(CART))来根据地质参数对产量计量进行建模(206d)。
一旦已估计出产量计量，则该方法生成用于每个井或位置的产量估计(208)，并且在图6中示出了该过程的更多细节。在该过程中，将位置(x,y)(例如，其是井的位置)输入到过程中，并且该过程使用上文生成的内插函数(Fg1(x,y,z)、Fg2(x,y,z)、...、FgN(x,y,z))来估计地质参数，然后该过程使用线性模型来估计针对该位置的产量计量(208b)。然后，该过程生成针对该位置的估计产量计量P(208c)。系统还可估计针对多边形区域而不是点的产量计量。用以估计针对多边形的产量的方法通过估计多边形内的一定数目的点来进行。可以随机或在规则网格上选择所述点，并且要估计的点的数目在每平方英里十个至一百个的范围内。将针对所有点估计的产量求平均，以估计多边形中的单个井的产量。这些多边形可表示矿物所有者所拥有的英亩土地，或者可表示预期钻进位置。
一旦针对每个位置生成产量计量，则该方法可生成用于生产井的区间(210)，并且在图7中示出了该过程的更多细节。图7是针对用于每个生产井的等级所绘制的估计产量计量的箱须图。一组红色条201a是在线性模型的生成中使用的井。一组蓝色条201b是从生成的模型中被排除的井，并用来验证：可以准确地将模型从未经历的井进行分级以预测生产量。备选地，这表明示出模型并未对数据进行过度拟合。
接下来，该方法确定针对每个小区的产量(212)，其在图8中更详细地示出。在该方法中，可生成具有“等级”的地图。特别地，图8示出了(基于纬度和经度的) 1平方英里网格小区的地图，每个网格小区基于针对该网格小区的中心处位置的预测产量而分配有字母等级。
现在，该方法向租约分配等级(214)，并且在图9中更详细地示出了该过程的结果。结果得到的彩色地图允许用户看到基于地质特征和分析而最可能多产的井，诸如在地图上示出的等级A位置214a或等级B位置214b。使用该彩色地图，用户能够看到大的面积以及针对地图中的每个位置的估计等级，其允许用户来选择租约，以针对新的生产井进行投标。
由于系统还可以估计针对多边形的产量计量，所以该系统还可以将产量多边形分区间。然后，其可以向多边形的区间分配“等级”，由此向每个多边形分配等级。
虽然前述内容已参考本发明的特定实施例，但是本领域技术人员将认识到，在不脱离本公开的原理和精神的情况下修改该实施例，其范围由所附权利要求来定义。
Claims (20)
1.一种用于在具有多个现有井的区域中识别井的一个或多个位置的装置，其中，每个井具有与所述井相关联的一组地质参数，所述装置包括：
具有处理器的计算机系统；
在所述计算机系统上托管的能量沉积物内插单元，所述能量沉积物内插单元对一个或多个现有井的一个或多个地质参数进行内插，其中所述一个或多个地质参数包括每个现有井的每个趾部的一个或多个地质参数以及每个现有井的每个跟部的一个或更多的地质参数，以产生具有多个现有井的区域中的任何地理位置处的估计地质参数，并且所述能量沉积物内插单元为所述一个或多个现有井中的每个现有井选择产量计量，其中所述产量计量是每个现有井的油产量和气产量的组合；以及
在所述计算机系统上托管的能量沉积物建模单元，所述能量沉积物建模单元基于所述一个或多个现有井的所述产量计量来生成统计模型，并基于估计地质参数组使用线性模型来估计具有估计地质参数的区域中每个井或位置的产量计量。
2.如权利要求1所述的装置，还包括在所述计算机系统上托管的能量沉积物显示单元，所述能量沉积物显示单元向所述区域中的所述多个位置中的每个位置分配等级，并且生成用户界面，所述用户界面示出所述区域中具有不同的等级的所述多个位置中的每个位置。
3.如权利要求1所述的装置，其中，所述能量沉积物建模单元使用利用b样条的线性回归来生成线性模型。
4.如权利要求1所述的装置，其中，所述能量沉积物建模单元生成非线性模型。
5.如权利要求1所述的装置，其中，所述能量沉积物建模单元生成线性模型，所述线性模型使用在沿着井眼路径的跟部和趾部及零个或更多位置处估计的地质参数作为输入。
6.如权利要求3所述的装置，其中，所述能量沉积物建模单元选择现有井的子集来生成所述线性模型并选择预定数目的回归项以用于所述线性回归。
7.如权利要求6所述的装置，其中，所述预定数目是三十。
8.如权利要求1所述的装置，其中，所述计算机系统是个人计算机和云计算资源之一。
9.如权利要求1所述的装置，其中，所述能量沉积物是油、油气、气和矿物之一。
10.如权利要求1所述的装置，其中，所述统计模型是线性模型。
11.一种用于在具有多个现有井的区域中识别井的一个或多个位置的方法，其中，每个井具有与所述井相关联的一组地质参数，所述方法包括：
由在计算机系统上托管的能量沉积物内插单元对一个或多个现有井的一个或多个地质参数进行内插，其中所述一个或多个地质参数包括每个现有井的每个趾部的一个或多个地质参数以及每个现有井的每个跟部的一个或更多的地质参数，以产生具有多个现有井的区域中的任何地理位置处的估计地质参数；
为所述一个或多个现有井中的每个现有井选择产量计量，其中所述产量计量是每个现有井的油产量和气产量的组合；
由在所述计算机系统上托管的能量沉积物建模单元基于所述一个或多个现有井的所述产量计量来生成统计模型；以及
基于估计地质参数组使用线性模型来估计具有估计地质参数的区域中每个井或位置的产量计量。
12.如权利要求11所述的方法，还包括向所述区域中的所述多个位置中的每个位置分配等级，并且生成用户界面，所述用户界面示出所述区域中具有不同的等级的所述多个位置中的每个位置。
13.如权利要求11所述的方法，其中，生成所述线性模型还包括使用利用多项式的线性回归。
14.如权利要求11所述的方法，其中，对所述一个或多个地质参数进行内插还包括使用B样条近似对所述一个或多个地质参数进行内插。
15.如权利要求11所述的方法，其中，生成所述统计模型还包括生成非线性模型。
16.如权利要求11所述的方法，其中，生成所述统计模型还包括生成线性模型，所述线性模型使用在沿着井眼路径的跟部和趾部及零个或更多位置处估计的地质参数作为输入。
17.如权利要求13所述的方法，其中，生成所述线性模型还包括选择现有井的子集来生成所述线性模型并选择预定数目的回归项以用于所述线性回归。
18.如权利要求17所述的方法，其中，所述预定数目是三十。
19.如权利要求11所述的方法，其中，所述能量沉积物是油、油气、气和矿物之一。
20.如权利要求11所述的方法，其中，所述统计模型是线性模型。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US13/682577 | 2012-11-20 | ||
| US13/682,577 US10577895B2 (en) | 2012-11-20 | 2012-11-20 | Energy deposit discovery system and method |
| PCT/US2013/070838 WO2014081735A1 (en) | 2012-11-20 | 2013-11-19 | Energy deposit discovery system and method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105008664A CN105008664A (zh) | 2015-10-28 |
| CN105008664B true CN105008664B (zh) | 2019-11-12 |
Family
ID=50728750
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201380070888.XA Active CN105008664B (zh) | 2012-11-20 | 2013-11-19 | 能量沉积物发现系统和方法 |
Country Status (8)
| Country | Link |
|---|---|
| US (2) | US10577895B2 (zh) |
| EP (1) | EP2923040B1 (zh) |
| CN (1) | CN105008664B (zh) |
| AU (1) | AU2013348119B2 (zh) |
| CA (1) | CA2892058C (zh) |
| HK (1) | HK1216916A1 (zh) |
| PL (1) | PL2923040T3 (zh) |
| WO (1) | WO2014081735A1 (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10577895B2 (en) | 2012-11-20 | 2020-03-03 | Drilling Info, Inc. | Energy deposit discovery system and method |
| US9874086B2 (en) * | 2012-11-30 | 2018-01-23 | OOO Rock Flow Dynamics | System for determining position of marker depth coordinates for construction of geological model of deposit |
| US10853893B2 (en) | 2013-04-17 | 2020-12-01 | Drilling Info, Inc. | System and method for automatically correlating geologic tops |
| US10459098B2 (en) | 2013-04-17 | 2019-10-29 | Drilling Info, Inc. | System and method for automatically correlating geologic tops |
| US9466140B2 (en) * | 2013-10-18 | 2016-10-11 | eQuisition, LLC. | System and method for making a map |
| CN105447584B (zh) * | 2014-08-19 | 2020-06-19 | 中国石油化工股份有限公司 | 一种获取钻探目标组合的未来钻后油气储量分布的方法 |
| US9911210B1 (en) | 2014-12-03 | 2018-03-06 | Drilling Info, Inc. | Raster log digitization system and method |
| US10822922B2 (en) * | 2015-01-19 | 2020-11-03 | International Business Machines Corporation | Resource identification using historic well data |
| US10908316B2 (en) | 2015-10-15 | 2021-02-02 | Drilling Info, Inc. | Raster log digitization system and method |
| US11199640B2 (en) * | 2017-07-27 | 2021-12-14 | Saudi Arabian Oil Company | Determining sediment source locations |
| US11549359B2 (en) | 2020-05-11 | 2023-01-10 | Saudi Arabian Oil Company | Systems and methods to identify and quantify field development opportunities through integration of surface and sub-surface data |
Family Cites Families (70)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4633400A (en) | 1984-12-21 | 1986-12-30 | Conoco Inc. | Method for waveform feature extraction from seismic signals |
| US5003813A (en) | 1990-02-20 | 1991-04-02 | Hayes Separations, Inc. | Method and apparatus for monitoring storage tank leakage |
| US5056066A (en) | 1990-06-25 | 1991-10-08 | Landmark Graphics Corporation | Method for attribute tracking in seismic data |
| US5835882A (en) | 1997-01-31 | 1998-11-10 | Phillips Petroleum Company | Method for determining barriers to reservoir flow |
| US6003027A (en) | 1997-11-21 | 1999-12-14 | International Business Machines Corporation | System and method for determining confidence levels for the results of a categorization system |
| US5987388A (en) | 1997-12-26 | 1999-11-16 | Atlantic Richfield Company | Automated extraction of fault surfaces from 3-D seismic prospecting data |
| US6223126B1 (en) | 1999-10-20 | 2001-04-24 | Phillips Petroleum Company | Multi-attribute seismic waveform classification |
| US6295504B1 (en) | 1999-10-25 | 2001-09-25 | Halliburton Energy Services, Inc. | Multi-resolution graph-based clustering |
| NO320103B1 (no) | 2000-07-17 | 2005-10-24 | Sintef Petroleumsforskning | Seismisk prosessering med generelle ikke-hyperbolske gangtidskorreksjoner |
| US7009609B2 (en) | 2000-12-22 | 2006-03-07 | Bsp Inc. | Method, system, and software for automated generation of graphs from report data |
| JP3851786B2 (ja) | 2001-05-31 | 2006-11-29 | 株式会社東芝 | 品質機能展開表のチェック方法及びプログラム |
| US6965383B2 (en) | 2001-12-11 | 2005-11-15 | Lecroy Corporation | Scaling persistence data with interpolation |
| US7069149B2 (en) | 2001-12-14 | 2006-06-27 | Chevron U.S.A. Inc. | Process for interpreting faults from a fault-enhanced 3-dimensional seismic attribute volume |
| US7248539B2 (en) | 2003-04-10 | 2007-07-24 | Schlumberger Technology Corporation | Extrema classification |
| US7835893B2 (en) | 2003-04-30 | 2010-11-16 | Landmark Graphics Corporation | Method and system for scenario and case decision management |
| US7054753B1 (en) | 2003-11-14 | 2006-05-30 | Williams Ralph A | Method of locating oil and gas exploration prospects by data visualization and organization |
| US20050209897A1 (en) | 2004-03-16 | 2005-09-22 | Luhr Stanley R | Builder risk assessment system |
| US7516055B2 (en) | 2004-08-20 | 2009-04-07 | Chevron U.S.A. Inc | Multiple-point statistics (MPS) simulation with enhanced computational efficiency |
| US7280932B2 (en) | 2004-09-07 | 2007-10-09 | Landmark Graphics Corporation | Method, systems, and computer readable media for optimizing the correlation of well log data using dynamic programming |
| US20060075007A1 (en) | 2004-09-17 | 2006-04-06 | International Business Machines Corporation | System and method for optimizing a storage system to support full utilization of storage space |
| CN100349010C (zh) | 2004-12-29 | 2007-11-14 | 中国石油天然气集团公司 | 三维地质层位自动追踪方法 |
| US7230879B2 (en) | 2005-02-12 | 2007-06-12 | Chevron U.S.A. Inc. | Method and apparatus for true relative amplitude correction of seismic data for normal moveout stretch effects |
| JP4304623B2 (ja) | 2005-06-01 | 2009-07-29 | ソニー株式会社 | 撮像装置及び撮像装置における撮像結果の処理方法 |
| GB0524134D0 (en) | 2005-11-26 | 2006-01-04 | Univ Edinburgh | Improvements in and relating to hydrocarbon recovery from a hydrocarbon reservoir |
| US20070276604A1 (en) | 2006-05-25 | 2007-11-29 | Williams Ralph A | Method of locating oil and gas exploration prospects by data visualization and organization |
| WO2008019348A2 (en) | 2006-08-04 | 2008-02-14 | Metacarta, Inc. | Systems and methods for presenting results of geographic text searches |
| US7525349B2 (en) | 2006-08-14 | 2009-04-28 | University Of Washington | Circuit for classifying signals |
| US10515329B2 (en) | 2007-01-19 | 2019-12-24 | International Business Machines Corporation | Business performance bookmarks |
| US7986319B2 (en) | 2007-08-01 | 2011-07-26 | Austin Gemodeling, Inc. | Method and system for dynamic, three-dimensional geological interpretation and modeling |
| US8463895B2 (en) | 2007-11-29 | 2013-06-11 | International Business Machines Corporation | System and computer program product to predict edges in a non-cumulative graph |
| US8214484B2 (en) | 2007-11-29 | 2012-07-03 | International Business Machines Corporation | Method to predict edges in a non-cumulative graph |
| EP2385213B1 (en) | 2007-12-17 | 2013-03-06 | Landmark Graphics Corporation | System and method for modelling wellbore trajectories |
| EP2269080B1 (en) | 2008-03-25 | 2018-07-04 | ABB Research Ltd. | Method and apparatus for analyzing waveform signals of a power system |
| CA2721008A1 (en) | 2008-04-11 | 2009-10-15 | Terraspark Geosciences, Llc | Visulation of geologic features using data representations thereof |
| CA2720055A1 (en) | 2008-05-09 | 2009-11-12 | Exxonmobil Upstream Research Company | Method for geophysical and stratigraphic interpretation using waveform anomalies |
| WO2009139949A1 (en) * | 2008-05-13 | 2009-11-19 | Exxonmobil Upstream Research Company | Modeling of hydrocarbon reservoirs using design of experiments methods |
| US8213261B2 (en) | 2008-05-22 | 2012-07-03 | Exxonmobil Upstream Research Company | Method for geophysical and geological interpretation of seismic volumes in the domains of depth, time, and age |
| MY164574A (en) | 2008-05-22 | 2018-01-15 | Exxonmobil Upstream Res Co | Seismic horizon skeletonization |
| US8200465B2 (en) | 2008-06-18 | 2012-06-12 | Terratek Inc. | Heterogeneous earth models for a reservoir field |
| US8892407B2 (en) | 2008-10-01 | 2014-11-18 | Exxonmobil Upstream Research Company | Robust well trajectory planning |
| US8265876B1 (en) | 2008-11-08 | 2012-09-11 | Ihs Global Inc. | Seismic horizon autopicking using orientation vector field |
| US8301426B2 (en) * | 2008-11-17 | 2012-10-30 | Landmark Graphics Corporation | Systems and methods for dynamically developing wellbore plans with a reservoir simulator |
| US20100214870A1 (en) | 2009-02-23 | 2010-08-26 | Randolph Pepper | Method and apparatus for dynamic extraction of extrema-based geometric primitives in 3d voxel volumes |
| CA2753544A1 (en) | 2009-03-27 | 2010-09-30 | Exxonmobil Upstream Research Company | Reservoir quality characterization using heterogeneity equations with spatially-varying parameters |
| US8265879B2 (en) | 2009-04-17 | 2012-09-11 | Roche Molecular Systems, Inc. | Determination of single peak melting temperature by PCR analogy and double sigmoid equation |
| WO2010151354A1 (en) | 2009-06-26 | 2010-12-29 | Exxonmobil Upstream Research Company | Constructing resistivity models from stochastic inversion |
| US8605951B2 (en) | 2009-09-10 | 2013-12-10 | Chevron U.S.A. Inc. | Method for converting a digital image into a multi-dimensional geo-referenced data structure |
| KR20110057599A (ko) | 2009-11-24 | 2011-06-01 | 삼성전자주식회사 | 벡터 오브젝트의 제어점 필터링 방법 및 장치 |
| EP2534606B1 (en) | 2010-02-12 | 2019-02-27 | Exxonmobil Upstream Research Company | Method and computer program for creating history-matched simulation models and corresponding method for producing hydrocarbons from a field |
| US8532968B2 (en) | 2010-06-16 | 2013-09-10 | Foroil | Method of improving the production of a mature gas or oil field |
| GB2493551A (en) | 2011-08-11 | 2013-02-13 | Dexdyne Ltd | Displaying plotted trend data at varying resolutions |
| US9394783B2 (en) | 2011-08-26 | 2016-07-19 | Schlumberger Technology Corporation | Methods for evaluating inflow and outflow in a subterranean wellbore |
| CN102402184B (zh) | 2011-10-28 | 2013-09-11 | 中国石油集团川庆钻探工程有限公司 | 井筒压力模型预测系统控制方法 |
| KR101360042B1 (ko) | 2011-12-01 | 2014-02-07 | 기아자동차주식회사 | 가변 흡기 시스템 |
| US9618639B2 (en) | 2012-03-01 | 2017-04-11 | Drilling Info, Inc. | Method and system for image-guided fault extraction from a fault-enhanced seismic image |
| US9759826B2 (en) | 2012-04-03 | 2017-09-12 | Paradigm Sciences Ltd. | System and method for generating an implicit model of geological horizons |
| WO2013188345A1 (en) | 2012-06-11 | 2013-12-19 | Saudi Arabian Oil Company | System and method for producing display of petrophysical property height profile for both vertical and horizontal wellbores |
| WO2014012038A2 (en) | 2012-07-13 | 2014-01-16 | Halliburton Energy Services, Inc. | Improving drill bit stability using track-set depth of cut control elements |
| WO2014071320A2 (en) | 2012-11-03 | 2014-05-08 | Drilling Info, Inc. | Seismic waveform classification system and method |
| WO2014071321A1 (en) | 2012-11-04 | 2014-05-08 | Drilling Info, Inc. | Reproducibly extracting consistent horizons from seismic images |
| US10577895B2 (en) | 2012-11-20 | 2020-03-03 | Drilling Info, Inc. | Energy deposit discovery system and method |
| US10234583B2 (en) | 2012-12-20 | 2019-03-19 | Exxonmobil Upstream Research Company | Vector based geophysical modeling of subsurface volumes |
| GB2511744B (en) | 2013-03-11 | 2020-05-20 | Reeves Wireline Tech Ltd | Methods of and apparatuses for identifying geological characteristics in boreholes |
| US10459098B2 (en) | 2013-04-17 | 2019-10-29 | Drilling Info, Inc. | System and method for automatically correlating geologic tops |
| US10853893B2 (en) | 2013-04-17 | 2020-12-01 | Drilling Info, Inc. | System and method for automatically correlating geologic tops |
| US9366135B2 (en) | 2013-10-08 | 2016-06-14 | Exxonmobil Upstream Research Company | Automatic dip picking from wellbore azimuthal image logs |
| US9911210B1 (en) | 2014-12-03 | 2018-03-06 | Drilling Info, Inc. | Raster log digitization system and method |
| US9418339B1 (en) | 2015-01-26 | 2016-08-16 | Sas Institute, Inc. | Systems and methods for time series analysis techniques utilizing count data sets |
| US10920579B2 (en) | 2015-02-17 | 2021-02-16 | Board Of Regents, The University Of Texas System | Method and apparatus for early detection of kicks |
| US10908316B2 (en) | 2015-10-15 | 2021-02-02 | Drilling Info, Inc. | Raster log digitization system and method |
-
2012
- 2012-11-20 US US13/682,577 patent/US10577895B2/en active Active
-
2013
- 2013-11-19 WO PCT/US2013/070838 patent/WO2014081735A1/en active Application Filing
- 2013-11-19 CA CA2892058A patent/CA2892058C/en active Active
- 2013-11-19 PL PL13856215T patent/PL2923040T3/pl unknown
- 2013-11-19 EP EP13856215.2A patent/EP2923040B1/en active Active
- 2013-11-19 CN CN201380070888.XA patent/CN105008664B/zh active Active
- 2013-11-19 AU AU2013348119A patent/AU2013348119B2/en active Active
-
2016
- 2016-04-27 HK HK16104773.7A patent/HK1216916A1/zh unknown
-
2020
- 2020-03-02 US US16/806,086 patent/US11268353B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| EP2923040B1 (en) | 2018-09-05 |
| AU2013348119A1 (en) | 2015-06-04 |
| CA2892058C (en) | 2022-07-19 |
| US20200199978A1 (en) | 2020-06-25 |
| CA2892058A1 (en) | 2014-05-30 |
| PL2923040T3 (pl) | 2019-03-29 |
| EP2923040A4 (en) | 2016-09-28 |
| AU2013348119B2 (en) | 2017-01-12 |
| US10577895B2 (en) | 2020-03-03 |
| US20140142906A1 (en) | 2014-05-22 |
| HK1216916A1 (zh) | 2016-12-09 |
| WO2014081735A1 (en) | 2014-05-30 |
| CN105008664A (zh) | 2015-10-28 |
| US11268353B2 (en) | 2022-03-08 |
| EP2923040A1 (en) | 2015-09-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105008664B (zh) | 能量沉积物发现系统和方法 | |
| CN109478208B (zh) | 用于石油勘探和生产评估的综合数据和过程集成的迭代且可重复的工作流程 | |
| Hui et al. | A robust embedded discrete fracture modeling workflow for simulating complex processes in field-scale fractured reservoirs | |
| Gupta et al. | Rock Typing in Eagle Ford, Barnett, and Woodford Formations | |
| Bueno et al. | Constraining uncertainty in volumetric estimation: A case study from Namorado Field, Brazil | |
| Zeng et al. | Source rock evaluation within a sequence stratigraphic framework of the Palaeogene Liushagang Formation in the Fushan Depression, South China Sea | |
| Ozkaya | Validating predicted fracture corridors by statistical comparison with well data | |
| CN104583809A (zh) | 用于量化在地质盆地或区域中存在碳氢化合物的风险或可能性的方法和相应软件模块 | |
| Feng et al. | Predict oil production from geological and petrophysical data before hydraulic fracturing using an improved particle swarm optimization based least squares support vector machine | |
| Tveteraas et al. | Implementation of ensemble-based reservoir modelling on the Ærfugl field | |
| Stephen et al. | Faster seismic history matching in a United Kingdom continental shelf reservoir | |
| Salahuddin et al. | Static and Dynamic Uncertainty Management for Probabilistic Volumetric and Production Forecast: A Case Study from Onshore Abu Dhabi | |
| Wang et al. | Quantitative evaluation of unconsolidated sandstone heavy oil reservoirs based on machine learning | |
| Cody et al. | Stochastic injection-strategy optimization for the preliminary assessment of candidate geological storage sites | |
| Ashayeri et al. | Assessment of Unconventional Resources Opportunities in the Middle East Tethyan Petroleum System in a Transfer Learning Context | |
| Al-Shemali et al. | Subsurface Digital Models for Automated Drilling Risk Prediction in West Kuwait Jurassic Oilfields | |
| Tang et al. | Incorporation of spatial characters into volcanic facies and favorable reservoir prediction | |
| Wang et al. | Origin and evolution of unconformities in a continental rift basin: a case study from the Lishu Depression in Songliao Basin, China | |
| Jo et al. | Sensitivity analysis of geological rule-based subsurface model parameters on fluid flow | |
| Anifowose et al. | Linear and Nonlinear Controls of Wireline Logs on Automated Grain Size Estimation Using Machine Learning Approach | |
| Kuila et al. | Integrated Workflow for Identifying Exploration Targets and Quantifying Prospective Resources of the Lower Barmer Hill Resource Play, Barmer Basin, India | |
| Kwilosz et al. | Use of Cluster Analysis to Group Organic Shale Gas Rocks by Hydrocarbon Generation Zones. Energies 2022, 15, 1464 | |
| Souche et al. | Innovative Approach for Building and Calibrating Multiple Fracture Network Models for Fractured Carbonate Reservoirs | |
| Leseur et al. | Theory-Guided Data Science, A Petrophysical Case Study from the Diyab Formation | |
| Anifowose et al. | Indirect Estimation of Clastic Reservoir Rock Grain Size from Wireline Logs Using a Supervised Nearest Neighbor Algorithm: Preliminary Results |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1216916 Country of ref document: HK |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder |
Address after: Texas, USA Patentee after: AVIRIS Address before: Texas, USA Patentee before: Drilling Info, Inc. |
|
| CP01 | Change in the name or title of a patent holder |