Expert-Independent Generalization of Well and Seismic Data Using Machine Learning Methods for Complex Reservoirs Predicting During Early-Stage Geological Exploration

要約

【タイトル】早期地質探査における複雑な油田の予測のための機械学習手法を用いた専門家非依存のウェルと地震データの一般化

【要約】

– 専門家の影響を最小限に抑えた自律的なアプローチを開発・適用することが目的。
– 研究領域の初期探査段階での3D地震調査データとウェル情報に基づいて、油田の空間分布確率の予測を行った。
– 予測の結果、ベースセットと逆キャリブレーション後のセットの2つの入力データのために、油田クラスに所属する確率のキャリブレーションされた3Dキューブが得られた。
– 素材を専門家非依存の一般化する手法は、仮説検証と油田の確率的表現に基づく地質モデルの作成に使用できる。
– 確率的表現の品質は、入力データの品質と量に依存する。
– 入力データに応じて、この手法は地質オブジェクトの探査と見積もり、潜在的な資源の特定、フィールド開発の最適化と設計に有用なツールになる可能性がある。

要約(オリジナル)

The aim of this study is to develop and apply an autonomous approach for predicting the probability of hydrocarbon reservoirs spreading in the studied area. Autonomy means that after preparing and inputting geological-geophysical information, the influence of an expert on the algorithms is minimized. The study was made based on the 3D seismic survey data and well information on the early exploration stage of the studied field. As a result, a forecast of the probability of spatial distribution of reservoirs was made for two sets of input data: the base set and the set after reverse-calibration, and three-dimensional cubes of calibrated probabilities of belonging of the studied space to the identified classes were obtained. The approach presented in the paper allows for expert-independent generalization of geological and geophysical data, and to use this generalization for hypothesis testing and creating geological models based on a probabilistic representation of the reservoir. The quality of the probabilistic representation depends on the quality and quantity of the input data. Depending on the input data, the approach can be a useful tool for exploration and prospecting of geological objects, identifying potential resources, optimizing and designing field development.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI