2021-05-01
 
正增援有助于算法预测地下自然保护区
2021年05月01日  

德州农工大学的研究人员设计了一种基于增强的算法,该算法可自动预测地下环境的特性,从而有助于准确预测油气储量。


正增援有助于算法预测地下自然保护区 中网时尚,stylechina.com


在地壳内,岩石层拥有丰富的地下水,石油和天然气储层。现在,得克萨斯州A&M大学的研究人员通过机器学习开发了一种算法,该算法可以自动确定地球地下环境的关键特征。他们说,这项研究可能有助于准确预测我们的自然保护区。


具体来说,研究人员的算法是根据强化或奖励学习的原理设计的。在此,计算机算法基于对井眼预期压力和流量做出正确预测所获得的奖励,收敛于对地下环境的正确描述。


Harold Vance系副教授Siddharth Misra说:“通常在我们脚下一英里处的地下系统是完全不透明的。在那个深度,我们什么都看不到,必须使用仪器来测量压力和流速等量。”石油工程系和地质与地球物理系。“尽管我目前的研究是第一步,但我的目标是要有一种完全自动化的方式来使用这些信息来准确地表征地下特性。”


该算法在《应用能源》杂志的12月号中进行了描述。


模拟地下环境的地质状况可以大大促进油气储量的预测,地下水系统的预测以及地震危险的预测。根据预期的应用,钻孔可作为石油,天然气和水的出口站点,也可作为需要捕获在地下的过量大气二氧化碳的入口站点。


沿着井眼的长度,钻井操作员可以通过放置传感器来确定液体或气体的压力和流速。按照惯例,这些传感器的测量值被插入到精心设计的数学公式或储层模型中,这些数学公式或模型可以预测地下属性,例如岩石的孔隙率和渗透率。

 

但是储层模型在数学上很麻烦,需要大量的人为干预,有时甚至给出了地下地质的瑕疵图。Misra说,一直在努力构建一种无需人工干预但又准确的算法。


对于他们的研究,Misra和他的团队根据强化学习的概念选择了一种机器学习算法。简而言之,该软件会根据其计算环境的反馈来学习做出一系列决策。


“想象一下,一只鸟在笼子里。这只鸟会与笼子的边界互动,在那里它可以坐下或摆动,或者在有食物和水的地方。它不断从周围的环境中获得反馈,这有助于它决定它在笼子里的哪个位置。宁愿在给定的时间,”米斯拉说。“基于强化学习的算法也基于类似的思想。它们也与环境相互作用,但这是一个计算环境,可以为特定问题做出决策或解决方案。”


因此,这些算法会因有利的预测而得到奖励,而因不利的预测而受到惩罚。随着时间的流逝,基于增强的算法会通过最大程度地增加应计报酬来获得正确的解决方案。


基于增强的算法的另一个技术优势是它们不会对数据模式进行任何假设。例如,Misra的算法不假定在特定时间和深度处测得的压力与过去相同深度处的压力有关。此属性使他的算法偏差较小,从而减少了预测地下环境时出错的机会。


初始化后,Misra的算法开始于随机猜测构成地下岩石的孔隙率和渗透率的值。基于这些值,该算法将计算预期从井眼获得的流量和压力。如果这些值与从现场测量获得的实际值(也称为历史数据)不匹配,则该算法将受到处罚。


因此,它被迫纠正其对孔隙率和渗透率的下一个猜测。但是,如果其猜测在某种程度上是正确的,则该算法将得到奖励,并沿该方向进行进一步的猜测。


研究人员发现,在强化学习的10次迭代中,该算法能够正确,快速地预测简单地下情况的属性。


Misra指出,尽管他们的研究中模拟的地下过程很简单,但是他们的工作仍然证明了强化算法可以成功用于自动储层性质预测(也称为自动历史匹配)的概念证明。


“地下系统可以在两到五英里的半径内分布10或20个钻孔。如果我们清楚地了解地下,我们可以提前计划和预测很多事情,例如,我们可以预测地下如果我们走得更深或在该深度处的气体流速,则环境会有所不同”米斯拉说。“


在这项研究中,我们将历史匹配变成了一个顺序决策问题,这有可能减少工程师的工作量,减轻人为偏见并消除对大量带有标签的训练数据的需求。”


他说,未来的工作将集中在模拟更复杂的油藏和提高算法的计算效率上。



免责声明: 本文仅代表作者本人观点,与中国风格网无关。本网对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。本网转载自其它媒体的信息,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如因作品内容、版权和其它问题需要同本网联系的,请在一周内进行,以便我们及时处理。邮箱:service@cnso360.com