RU2014152037A - Система и способ классификации фаций - Google Patents
Система и способ классификации фаций Download PDFInfo
- Publication number
- RU2014152037A RU2014152037A RU2014152037A RU2014152037A RU2014152037A RU 2014152037 A RU2014152037 A RU 2014152037A RU 2014152037 A RU2014152037 A RU 2014152037A RU 2014152037 A RU2014152037 A RU 2014152037A RU 2014152037 A RU2014152037 A RU 2014152037A
- Authority
- RU
- Russia
- Prior art keywords
- facies
- matrix
- well
- identification
- geophysical
- Prior art date
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V11/00—Prospecting or detecting by methods combining techniques covered by two or more of main groups G01V1/00 - G01V9/00
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/40—Seismology; Seismic or acoustic prospecting or detecting specially adapted for well-logging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V2210/00—Details of seismic processing or analysis
- G01V2210/60—Analysis
- G01V2210/66—Subsurface modeling
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Geophysics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Geophysics And Detection Of Objects (AREA)
- Image Analysis (AREA)
Abstract
1. Способ автоматической интерпретации данных геофизических исследований в скважине, указывающих физические характеристики участка подземной формации, содержащий этапы:получения тренировочных данных, содержащих диаграммы геофизических исследований скважины, включающие в себя информацию о классификации фаций, касающуюся по меньшей мере части диаграмм геофизических исследований скважины;разделения тренировочных данных на два поднабора - калибровочный набор и набор для перекрестной проверки;использования автоматического контролируемого способа обучения идентификации фаций с целью определения предварительной идентификации фаций в подземной формации на основе калибровочного набора;расчета матрицы несоответствий для контролируемого способа обучения идентификации фаций посредством сравнения спрогнозированных и наблюдаемых фаций для набора для перекрестной проверки;расчета матрицы переходов фаций, указывающей на изменения между смежными фациями;использования указанных предварительной идентификации, матрицы переходов фаций и матрицы несоответствий для итерационного расчета обновленных идентификаций фаций.2. Способ по п. 1, включающий повторение указанного этапа итерационного расчета с использованием каждый раз отличного случайного значения для случайной траектории перемещения с целью получения множества реализаций обновленных идентификаций фаций.3. Способ по п. 2, при котором указанное множество реализаций используют для генерирования вероятности перехода для каждой из множества узловых точек.4. Способ по п. 2, при котором указанное множество реализаций используют для генерирования вероятно
Claims (11)
1. Способ автоматической интерпретации данных геофизических исследований в скважине, указывающих физические характеристики участка подземной формации, содержащий этапы:
получения тренировочных данных, содержащих диаграммы геофизических исследований скважины, включающие в себя информацию о классификации фаций, касающуюся по меньшей мере части диаграмм геофизических исследований скважины;
разделения тренировочных данных на два поднабора - калибровочный набор и набор для перекрестной проверки;
использования автоматического контролируемого способа обучения идентификации фаций с целью определения предварительной идентификации фаций в подземной формации на основе калибровочного набора;
расчета матрицы несоответствий для контролируемого способа обучения идентификации фаций посредством сравнения спрогнозированных и наблюдаемых фаций для набора для перекрестной проверки;
расчета матрицы переходов фаций, указывающей на изменения между смежными фациями;
использования указанных предварительной идентификации, матрицы переходов фаций и матрицы несоответствий для итерационного расчета обновленных идентификаций фаций.
2. Способ по п. 1, включающий повторение указанного этапа итерационного расчета с использованием каждый раз отличного случайного значения для случайной траектории перемещения с целью получения множества реализаций обновленных идентификаций фаций.
3. Способ по п. 2, при котором указанное множество реализаций используют для генерирования вероятности перехода для каждой из множества узловых точек.
4. Способ по п. 2, при котором указанное множество реализаций используют для генерирования вероятности для некоторой классификации фаций для каждой из множества фаций.
5. Способ по п. 3, дополнительно содержащий этап генерации вероятного объема месторождения для указанной подземной формации.
9. Способ по п. 1, при котором обновленные идентификации фаций используют в системе управления разработкой месторождения.
10. Система автоматической интерпретации данных геофизических исследований в скважине, указывающих физические характеристики участка подземной формации, причем данные геофизических исследований в скважине содержат диаграммы геофизических исследований скважины, включающие в себя информацию классификации фаций, касающуюся по меньшей мере части диаграмм геофизических исследований скважины, и разделяются на два поднабора - калибровочный набор и набор перекрестной проверки, причем указанная система содержит:
один или более процессор, выполненный с возможностью исполнения модулей компьютерных программ, содержащих:
модуль автоматического контролируемого обучения идентификации фаций, выполненный с возможностью выполнения автоматического контролируемого способа обучения с целью определения предварительной идентификации фаций в подземной формации на основании калибровочного набора;
модуль расчета матрицы несоответствий, выполненный с возможностью расчета матрицы несоответствий для контролируемого способа обучения идентификации фаций посредством сравнения спрогнозированных и наблюдаемых фаций для набора для перекрестной проверки;
модуль матрицы переходов фаций, выполненный с возможностью расчета матрицы переходов фаций, указывающей на изменения между смежными фациями; и
модуль расчета обновленных идентификаций, выполненный с возможностью использования предварительной идентификации, матрицы переходов фаций и матрицы несоответствий с целью итерационного расчета обновленных идентификаций фаций.
11. Носитель информации, содержащий машинные команды, предназначенные для реализации способа автоматической интерпретации данных геофизических исследований в скважине, указывающих физические характеристики участка подземной формации, причем данные геофизических исследований в скважине содержат диаграммы геофизических исследований скважины, включающие в себя информацию классификации фаций, касающуюся по меньшей мере части диаграмм геофизических исследований скважины, и разделяются на два поднабора - калибровочный набор и набор для перекрестной проверки, причем указанный способ включает этапы:
выполнения автоматического контролируемого способа обучения с целью определения предварительной идентификации фаций в подземной формации на основании калибровочного набора;
расчета матрицы несоответствий для контролируемого способа обучения идентификации фаций посредством сравнения спрогнозированных и наблюдаемых фаций набора для перекрестной проверки;
расчета матрицы переходов фаций, указывающей на изменения между смежными фациями; и
использования данных предварительной идентификации, матрицы переходов фаций и матрицы несоответствий для итерационного расчета обновленных идентификаций фаций.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US13/488,876 | 2012-06-05 | ||
US13/488,876 US9274249B2 (en) | 2012-06-05 | 2012-06-05 | System and method for facies classification |
PCT/US2013/031415 WO2013184208A1 (en) | 2012-06-05 | 2013-03-14 | System and method for facies classification |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2014152037A true RU2014152037A (ru) | 2016-07-27 |
Family
ID=47915381
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2014152037A RU2014152037A (ru) | 2012-06-05 | 2013-03-14 | Система и способ классификации фаций |
Country Status (8)
Country | Link |
---|---|
US (1) | US9274249B2 (ru) |
EP (1) | EP2856216A1 (ru) |
CN (1) | CN104335074A (ru) |
AU (1) | AU2013272212B2 (ru) |
BR (1) | BR112014028103A2 (ru) |
CA (1) | CA2874538A1 (ru) |
RU (1) | RU2014152037A (ru) |
WO (1) | WO2013184208A1 (ru) |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104747185B (zh) * | 2015-03-19 | 2017-11-07 | 成都北方石油勘探开发技术有限公司 | 非均质油藏储层综合分类评价方法 |
WO2017100228A1 (en) * | 2015-12-09 | 2017-06-15 | Schlumberger Technology Corporation | Electrofacies determination |
WO2018111857A1 (en) * | 2016-12-12 | 2018-06-21 | Schlumberger Technology Corporation | Augmented geological service characterzation |
CN118246562A (zh) | 2017-12-14 | 2024-06-25 | 谷歌有限责任公司 | 量子位校准 |
US11814931B2 (en) | 2018-05-31 | 2023-11-14 | Schlumberger Technology Corporation | Machine-learning for sedimentary facies prediction |
EP3931600B1 (en) * | 2019-03-01 | 2023-04-26 | BP Corporation North America Inc. | Iterative stochastic seismic inversion |
US11269099B2 (en) | 2019-08-26 | 2022-03-08 | Chevron U.S.A. Inc. | Systems and methods for generating facies realizations |
US11248455B2 (en) | 2020-04-02 | 2022-02-15 | Saudi Arabian Oil Company | Acoustic geosteering in directional drilling |
EP4158153A1 (en) | 2020-05-26 | 2023-04-05 | Saudi Arabian Oil Company | Instrumented mandrel for coiled tubing drilling |
US12000277B2 (en) | 2020-05-26 | 2024-06-04 | Saudi Arabian Oil Company | Water detection for geosteering in directional drilling |
EP4158144A1 (en) | 2020-05-26 | 2023-04-05 | Saudi Arabian Oil Company | Geosteering in directional drilling |
FR3113527B1 (fr) * | 2020-08-24 | 2022-08-12 | Ifp Energies Now | Procédé pour déterminer une interprétation en électrofaciès de mesures réalisées dans un puits |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2520882A1 (fr) | 1982-02-02 | 1983-08-05 | Schlumberger Prospection | Procede pour la production d'un enregistrement caracteristique notamment du facies des formations geologiques traversees par un sondage |
GB2345776B (en) * | 1998-11-05 | 2001-02-14 | Schlumberger Ltd | Method for interpreting petrophysical data |
US6438493B1 (en) * | 2000-09-29 | 2002-08-20 | Exxonmobil Upstream Research Co. | Method for seismic facies interpretation using textural analysis and neural networks |
US6560540B2 (en) | 2000-09-29 | 2003-05-06 | Exxonmobil Upstream Research Company | Method for mapping seismic attributes using neural networks |
GB2397664B (en) | 2003-01-24 | 2005-04-20 | Schlumberger Holdings | System and method for inferring geological classes |
US20060041409A1 (en) * | 2004-08-20 | 2006-02-23 | Chevron U.S.A. Inc. | Method for making a reservoir facies model utilizing a training image and a geologically interpreted facies probability cube |
US20070016389A1 (en) * | 2005-06-24 | 2007-01-18 | Cetin Ozgen | Method and system for accelerating and improving the history matching of a reservoir simulation model |
US7620498B2 (en) | 2007-08-23 | 2009-11-17 | Chevron U.S.A. Inc. | Automated borehole image interpretation |
US8126647B2 (en) * | 2008-04-07 | 2012-02-28 | Chevron U.S.A. Inc. | Lithofacies classification system and method |
US8090538B2 (en) | 2008-05-01 | 2012-01-03 | Chevron U.S.A. Inc | System and method for interpretation of well data |
-
2012
- 2012-06-05 US US13/488,876 patent/US9274249B2/en active Active
-
2013
- 2013-03-14 WO PCT/US2013/031415 patent/WO2013184208A1/en active Application Filing
- 2013-03-14 RU RU2014152037A patent/RU2014152037A/ru unknown
- 2013-03-14 CA CA2874538A patent/CA2874538A1/en not_active Abandoned
- 2013-03-14 CN CN201380029699.8A patent/CN104335074A/zh active Pending
- 2013-03-14 EP EP13711553.1A patent/EP2856216A1/en not_active Withdrawn
- 2013-03-14 AU AU2013272212A patent/AU2013272212B2/en active Active
- 2013-03-14 BR BR112014028103A patent/BR112014028103A2/pt not_active IP Right Cessation
Also Published As
Publication number | Publication date |
---|---|
CA2874538A1 (en) | 2013-12-12 |
AU2013272212A1 (en) | 2014-11-20 |
BR112014028103A2 (pt) | 2017-06-27 |
CN104335074A (zh) | 2015-02-04 |
US20130325350A1 (en) | 2013-12-05 |
AU2013272212B2 (en) | 2017-04-13 |
EP2856216A1 (en) | 2015-04-08 |
WO2013184208A1 (en) | 2013-12-12 |
US9274249B2 (en) | 2016-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2014152037A (ru) | Система и способ классификации фаций | |
US11668853B2 (en) | Petrophysical inversion with machine learning-based geologic priors | |
AU2019201880B2 (en) | System and method for automatically correlating geologic tops | |
WO2020123100A3 (en) | Automated seismic interpretation systems and methods for continual learning and inference of geological features | |
US10916333B1 (en) | Artificial intelligence system for enhancing data sets used for training machine learning-based classifiers | |
EP3535607B1 (en) | Seismic data processing artificial intelligence | |
Peterson et al. | Nonlinear time‐series modeling of unconfined groundwater head | |
RU2573746C2 (ru) | Система и способы для прогнозирования поведения скважины | |
AR117310A1 (es) | Creación de mapas de propiedades del suelo con datos provenientes de satélites y con el uso de enfoques de aprendizaje automático | |
US10545260B2 (en) | Updating geological facies models using the Ensemble Kalman filter | |
BR112020001110A2 (pt) | interpretação sísmica automatizada usando redes neurais totalmente convolucionais | |
US11501153B2 (en) | Methods and apparatus for training a neural network | |
US20190295688A1 (en) | Processing biological sequences using neural networks | |
Zhao et al. | Automatic salt geometry update using deep learning in iterative FWI-RTM workflows | |
US11119233B2 (en) | Method for estimating elastic parameters of subsoil | |
Mustafa et al. | Active learning with deep autoencoders for seismic facies interpretation | |
US11965998B2 (en) | Training a machine learning system using hard and soft constraints | |
EP3948365A1 (en) | Automatic calibration of forward depositional models | |
GB2584447A (en) | Apparatus method and computer-program product for processing geological data | |
Zhang et al. | Accelerate well correlation with deep learning | |
Kor | Decision-Driven Data Analytics for Well Placement Optimization in Field Development Scenario-Powered by Machine Learning | |
EP2863242A2 (en) | Classification and visualization of time-series data | |
BR112014032302B1 (pt) | Método para determinação de um diagrama de truncamento para uma estimativa plurigaussiana de parâmetros geológicos associados a uma zona de um subsolo real, método para determinar os parâmetros geológicos estimados em um modelo de subsolo real, meio de armazenamento não transitório legível em computador, e dispositivo para determinação de um diagrama de truncamento para uma estimativa plurigaussiana do parâmetro geológico associado a uma zona de um subsolo real | |
Huot | Machine Learning for Seismic Event Detection: A Story in Three Parts: Earthquakes, Microseismic Events, and Tectonic Tremors | |
Vragov | Comparison of convolutional neural networks with matched-filtering for detection of induced seismicity |