Недавно компания Da Qing Drilling Engineering Co., Ltd. официально представила собственную интеллектуальную модель интерпретации и оценки обводненных пластов по данным каротажа. Являясь первой в Китае специализированной интеллектуальной системой для интерпретации обводненных пластов, данная модель способна точно распознавать профессиональные геологические изображения, определять степень обводнения за считанные секунды, повышая эффективность работ более чем на 80%. Это знаменует собой вступление оценки обводненных пластов по данным каротажа Da Qing Drilling в новый этап цифрового и интеллектуального развития.
Интерпретация и оценка данных геологического каротажа является ключевым звеном в анализе подземных нефтяных залежей, и точность оценки напрямую определяет эффективность их разведки и разработки. По мере перехода месторождений на поздние стадии разработки, обводненные пласты становятся широко распространенными и неравномерно распределенными, что значительно усложняет задачу точного извлечения остаточных запасов нефти и газа. Для активизации остаточных ресурсов и содействия стабильной и нарастающей добыче на месторождениях, филиал геологического каротажа Da Qing Drilling, используя возможности строительства «научно-технологического бурения», ускоряет цифровую и интеллектуальную трансформацию. Сосредоточившись на ключевой задаче точной интерпретации обводненных пластов, компания проводит исследования интеллектуальных технологий, оснащая процесс эффективного извлечения и точной разработки нефти и газа мощным «интеллектуальным мозгом».
«Раньше интерпретация и оценка обводненных пластов в основном полагались на технических специалистов, которые проводили анализ на основе личного опыта. Это было трудоемко и неэффективно», — признался Цзо Тецю, руководитель проекта по созданию модели.
Известно, что результаты традиционного ручного анализа при интерпретации и оценке данных геологического каротажа сильно зависят от субъективного опыта. При работе со сложными коллекторами требовались многократные сравнения и анализы, что делало процесс громоздким, а стандарты — трудноунифицируемыми, ограничивая качество и эффективность работ по интерпретации каротажных данных.
Чтобы восполнить недостатки ручного анализа, исследовательская группа филиала каротажа Da Qing Drilling глубоко интегрировала специализированные алгоритмы ИИ с профессиональными методами оценки обводненных пластов. «Мы потратили год на систематизацию и разметку данных, накопленных за более чем двадцать лет, по более чем 3000 скважинам и более 200 000 геологических записей. Мы полностью пересмотрели предыдущие результаты работы, а затем вручную обучали модель, постоянно ее оптимизируя», — рассказал Цзо Тецю. Если раньше ручной анализ одной скважины занимал почти час, то теперь с помощью интеллектуальной модели эту задачу можно эффективно выполнить за 10 минут.
«Модель не только значительно повышает эффективность, но и преодолевает ограничения традиционных технологий, добавляя функции интеллектуального распознавания профессиональных спектрограмм и флуоресцентных изображений», — дополнила Сунь Цюся, ключевой технический специалист проекта.
Сунь Цюся провела демонстрацию на месте. Загрузив 10 геологических изображений и графиков, она получила от модели быстрый анализ информации и автоматически сгенерированный отчет в течение 2 минут. В отличие от традиционных моделей, которые способны лишь на поверхностное текстовое взаимодействие и базовый анализ данных, данная модель может профессионально и с высокой точностью распознавать каротажные изображения, реализуя интеллектуальную оценку обводненных пластов и эффективно повышая качество технических услуг и операционную эффективность.
Для обеспечения профессиональной точности модели исследовательская группа филиала геологического каротажа преобразовала многолетний практический опыт ведущих геологов-экспертов по визуальному анализу и интерпретации пластов на месте в количественные критерии оценки, такие как цвет, яркость и структура порового пространства. Это позволило модели развить профессиональные способности к точному распознаванию изображений, извлечению параметров, интерпретации и оценке.
«Раньше ручной анализ был похож на поездку в зеленом поезде — медленно и неэффективно. Теперь же внедрение интеллектуальной модели перевело работу по интерпретации и оценке каротажных данных в эпоху высокоскоростных поездов "Фусин"», — образно сравнила Сунь Цюся.
На следующем этапе исследовательская группа продолжит итеративно совершенствовать и оптимизировать модель, расширяя применение этой интеллектуальной системы, «умеющей читать изображения, разбирающейся в профессии и способной к анализу», на всю цепочку каротажных операций, включая литологическую привязку, комплексную интерпретацию и инженерное предупреждение. Это будет способствовать высококачественному развитию научно-технологического и цифрового бурения за счет инноваций в области цифровых и интеллектуальных технологий.