DISTINGUISH Workflow: A New Paradigm of Dynamic Well Placement Using Generative Machine Learning

要約

地理炭素抽出および地熱エネルギー、民間インフラストラクチャ、CO2貯蔵などの炭化水素抽出および新たな方向掘削アプリケーションのために、ジオステアーとして知られる掘削中の方向変化のリアルタイムプロセスが重要です。
地理エネルギー業界は、地下の不確実性を継続的に更新し、最新の観察をリアルタイムで考慮して最新の地質学的理解を捉える自動ジオステアリングワークフローを探しています。
「区別」を提案します。地質学的パラメーター化のための生成的敵対的ネットワーク（GAN）を統合することにより、地理的な敵対的ネットワーク（GANS）、モデル更新のアンサンブル方法、および指示訓練操作中の複雑な意思決定のためのグローバルなダイナミックプログラミング（DDP）の最適化を統合するように設計されたリアルタイムであるAI駆動型ワークフローを提案します。
Distinguish Frameworkは、関連する地質学的実現とフォワードニューラルネットワーク（FNN）を再現するためのGANモデルのオフライントレーニングに依存しており、特定のジオモデルのロギング装備（LWD）ツールの応答をモデル化します。
このペーパーでは、Gan-Geomodelの不確実性を段階的および掘削ビットの前に徐々に減少させ、それに応じて井戸計画を調整する初めてのワークフローを紹介します。
このワークフローは、リアルタイムLWDデータをDDPベースの意思決定サポートシステムと自動的に統合し、掘削に先立って地質学の予測モデルを強化し、より良いステアリングの決定につながります。
シンプルでありながら代表的なベンチマークケースを提示し、Distiutiusing Workflowプロトタイプによって達成されたパフォーマンス目標を文書化します。
このベンチマークは、将来の方法論的進歩とワークフローの改良の基盤となります。

要約(オリジナル)

The real-time process of directional changes while drilling, known as geosteering, is crucial for hydrocarbon extraction and emerging directional drilling applications such as geothermal energy, civil infrastructure, and CO2 storage. The geo-energy industry seeks an automatic geosteering workflow that continually updates the subsurface uncertainties and captures the latest geological understanding given the most recent observations in real-time. We propose ‘DISTINGUISH’: a real-time, AI-driven workflow designed to transform geosteering by integrating Generative Adversarial Networks (GANs) for geological parameterization, ensemble methods for model updating, and global discrete dynamic programming (DDP) optimization for complex decision-making during directional drilling operations. The DISTINGUISH framework relies on offline training of a GAN model to reproduce relevant geology realizations and a Forward Neural Network (FNN) to model Logging-While-Drilling (LWD) tools’ response for a given geomodel. This paper introduces a first-of-its-kind workflow that progressively reduces GAN-geomodel uncertainty around and ahead of the drilling bit and adjusts the well plan accordingly. The workflow automatically integrates real-time LWD data with a DDP-based decision support system, enhancing predictive models of geology ahead of drilling and leading to better steering decisions. We present a simple yet representative benchmark case and document the performance target achieved by the DISTINGUISH workflow prototype. This benchmark will be a foundation for future methodological advancements and workflow refinements.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google