一个基于物理的混合ML框架,用于预测碳酸盐水库中的孔隙压力和断裂梯度
Seyed Pouyan Tahvildari1, Soroush Shojaei2, Mohsen Masihi3
1Petroleum Engineering Department, Science and Research Branch, Islamic Azad University (IAU), Tehran, Iran.
这项研究引入了一种基于物理的混合模型,用于在具有挑战性的海上碳酸盐水库中准确预测孔隙压力和断裂梯度. 新的框架显著减少了预测错误,提高了钻探安全性和效率.
科学领域:
- 地质科学 地质科学
- 石油工程是石油工程中的一个.
- 数据科学数据科学数据科学
背景情况:
- 准确的孔隙压力和断裂梯度预测对于井口稳定性和在异质的海上碳酸盐水库中安全的泥重量选择至关重要.
- 经典的经验方法在这些复杂的地质环境中经常失败,纯粹数据驱动的模型在稀疏的校准数据中扎.
研究的目的:
- 开发一个基于物理学的混合框架,将经典模型与机器学习相结合,以改善孔隙压力和断裂梯度预测.
- 解决异质海上碳酸盐储库中现有方法的局限性.
- 为风险意识的运营规划提供不确定性量化.
主要方法:
- 一个基于物理的混合框架,使用渐变增强的学习架构.
- 将经典模型输出与自适应校准层 (ACL) 集成,用于从稀疏测量中进行深度依赖的校正.
- 包含一个不确定性量化模块 (UQM) 来确定信心边界.
主要成果:
- 与校准的经典模型相比,混合型号显示出优越的交叉井性能,实现R2 = 0.94,RMSE = 0.45 MPa,MAE = 0.32 MPa.
- 在预测准确度中实现了大约60%的误差减少.
- 在深度方面,UQM提供了95%的置信界限,通常在±0.4 MPa内.
结论:
- 拟议的混合框架显著提高了海上碳酸盐钻井中孔隙压力和断裂梯度预测的准确性和可靠性.
- 该方法缩小了操作钻井窗口中的不确定性,使得更知情和更安全的泥重量选择.
- 这种方法为复杂的地质环境提供了可靠的解决方案,传统方法不足.
更多相关视频
08:02Reservoir Condition Pore-scale Imaging of Multiple Fluid Phases Using X-ray Microtomography
Published on: February 25, 2015
10:06Microfluidic Fabrication Techniques for High-Pressure Testing of Microscale Supercritical CO2 Foam Transport in Fractured Unconventional Reservoirs
Published on: July 2, 2020
相关概念视频
Pressure Variation in a Fluid at Rest
When measuring pressure at two different levels within the fluid, the difference in...
Hydrostatic Pressure Force on a Curved Surface
Applications of Integration to Find Hydrostatic Pressure
Pressure of Fluids
Porosity and Absorption of Aggregate
When all pores in an aggregate are filled with water, the aggregate is considered saturated and surface-dry. If left in dry air, water will evaporate until the...
Energy Line and Hydraulic Gradient Line
