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 US9274249B2 (en) | 2012-06-05 | 2012-06-05 | System and method for facies classification |
US13/488,876 | 2012-06-05 | ||
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 (13)
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 |
AU2017375796B2 (en) * | 2016-12-12 | 2023-09-21 | Geoquest Systems B.V. | Augmented geological service characterization |
EP3707649A1 (en) * | 2017-12-14 | 2020-09-16 | Google LLC | Qubit calibration |
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 |
EP4158154A1 (en) | 2020-05-26 | 2023-04-05 | Saudi Arabian Oil Company | Water detection for geosteering in directional drilling |
EP4158153A1 (en) | 2020-05-26 | 2023-04-05 | Saudi Arabian Oil Company | Instrumented mandrel for coiled tubing 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 |
US20240125970A1 (en) * | 2022-10-13 | 2024-04-18 | Saudi Arabian Oil Company | Method and machine-readable medium for building 2d depositional models |
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 |
US6560540B2 (en) | 2000-09-29 | 2003-05-06 | Exxonmobil Upstream Research Company | Method for mapping seismic attributes using neural networks |
US6438493B1 (en) * | 2000-09-29 | 2002-08-20 | Exxonmobil Upstream Research Co. | Method for seismic facies interpretation using textural analysis and 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 RU RU2014152037A patent/RU2014152037A/ru unknown
- 2013-03-14 EP EP13711553.1A patent/EP2856216A1/en not_active Withdrawn
- 2013-03-14 WO PCT/US2013/031415 patent/WO2013184208A1/en active Application Filing
- 2013-03-14 AU AU2013272212A patent/AU2013272212B2/en active Active
- 2013-03-14 BR BR112014028103A patent/BR112014028103A2/pt not_active IP Right Cessation
- 2013-03-14 CA CA2874538A patent/CA2874538A1/en not_active Abandoned
- 2013-03-14 CN CN201380029699.8A patent/CN104335074A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
AU2013272212A1 (en) | 2014-11-20 |
US20130325350A1 (en) | 2013-12-05 |
CN104335074A (zh) | 2015-02-04 |
BR112014028103A2 (pt) | 2017-06-27 |
WO2013184208A1 (en) | 2013-12-12 |
CA2874538A1 (en) | 2013-12-12 |
EP2856216A1 (en) | 2015-04-08 |
US9274249B2 (en) | 2016-03-01 |
AU2013272212B2 (en) | 2017-04-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2014152037A (ru) | Система и способ классификации фаций | |
AU2019201880B2 (en) | System and method for automatically correlating geologic tops | |
Peterson et al. | Nonlinear time‐series modeling of unconfined groundwater head | |
EP3535607B1 (en) | Seismic data processing artificial intelligence | |
AR117310A1 (es) | Creación de mapas de propiedades del suelo con datos provenientes de satélites y con el uso de enfoques de aprendizaje automático | |
EP4010740A1 (en) | Petrophysical inversion with machine learning-based geologic priors | |
US11501153B2 (en) | Methods and apparatus for training a neural network | |
BR112020001110A2 (pt) | interpretação sísmica automatizada usando redes neurais totalmente convolucionais | |
US20190295688A1 (en) | Processing biological sequences using neural networks | |
CN110389382B (zh) | 一种基于卷积神经网络的油气藏储层表征方法 | |
US20200308934A1 (en) | Automatic calibration of forward depositional models | |
Karlsen et al. | A tracer-based algorithm for automatic generation of seafloor age grids from plate tectonic reconstructions | |
CN108369287B (zh) | 确定节点深度和水柱通过速度 | |
Aranha et al. | Optimization of oil reservoir models using tuned evolutionary algorithms and adaptive differential evolution | |
CN118210024A (zh) | 基于多源多任务深度学习的地震构造解释方法及装置 | |
Zhao et al. | Automatic salt geometry update using deep learning in iterative FWI-RTM workflows | |
KR102622486B1 (ko) | 유정 로그 데이터의 결측 구간 추정 방법 및 그 장치 | |
GB2584449A (en) | Apparatus method and computer-program product for calculating a measurable geological metric | |
Mustafa et al. | Active learning with deep autoencoders for seismic facies interpretation | |
US20220206175A1 (en) | Training a machine learning system using hard and soft constraints | |
US20220404515A1 (en) | Systems and methods for mapping seismic data to reservoir properties for reservoir modeling | |
Siahkoohi et al. | Velocity continuation with Fourier neural operators for accelerated uncertainty quantification | |
GB2584447A (en) | Apparatus method and computer-program product for processing geological data | |
Zhang et al. | Accelerate well correlation with deep learning | |
EP2863242A2 (en) | Classification and visualization of time-series data |