Ứng dụng thuật toán học máy để hiệu chỉnh vận tốc khoảng địa chấn khi xây dựng mô hình vận tốc 3D

  • Lê Hồng Quân Liên doanh Việt - Nga Vietsovpetro
  • Trần Đồng Schlumberger
  • Nguyễn Văn Tiến Liên doanh Việt - Nga Vietsovpetro
  • Nguyễn Đắc Thế Schlumberger
Keywords: mô hình vận tốc, thuộc tính địa chấn, đánh giá bản đồ sai số, thuật toán học máy, bồn trũng Cửu Long

Tóm tắt

Mô hình vận tốc được sử dụng để chuyển đổi dữ liệu từ miền thời gian sang miền độ sâu để hỗ trợ đánh giá triển vọng dầu khí, xây dựng mô hình mỏ và các hoạt động khoan tiếp theo. Ở Việt Nam, quy trình xây dựng mô hình vận tốc thông thường đơn giản hóa bằng cách ngoại suy vận tốc khoảng theo mặt bản đồ lưới 2D từ vận tốc khoảng của giếng khoan hoặc sử dụng một hàm số duy nhất để hiệu chỉnh vận tốc khoảng địa chấn. Nghiên cứu này ứng dụng thuật toán học máy để mô hình vận tốc 3D có được vận tốc khoảng với độ phân giải cao cho hai mỏ A và B trong bồn trũng Cửu Long, Việt Nam.

Nguyên cứu này bắt đầu bằng sự đánh giá khác biệt giữa vận tốc khoảng địa chấn bề mặt và vân tốc khoảng giếng khoan trong mô hình cấu trúc địa chất. Từ đó tìm ra được hàm số liên hệ giữa vận tốc khoảng địa chấn và vận tốc khoảng giếng khoan, hàm liên hệ này sau đó được sử dụng để hiệu chỉnh bước đầu để đưa vận tốc khoảng địa chấn về gần bằng với vận tốc khoảng giếng khoan trong mô hình cấu trúc địa chất. Tiếp theo đó, nhiều thuật toán học máy có giám sát được sử dụng để xây dựng mô hình 3D vận tốc khoảng dựa trên tập dữ liệu huấn luyện bao gồm vận tốc khoảng hiệu chỉnh bước đầu, thuộc tính đàn hồi cơ học, thuộc tính hình học, thuộc tính cấu trúc và địa tầng. Thuật toán học máy có giám sát cho phép xây dựng thuật toán có thể tự động dự đoán kết quả dựa trên sự kết hợp cả kiến thức chuyên môn và dữ liệu trong tập dữ liệu huấn luyện. Sau khi đánh giá độ chính xác của các thuật toán học máy có giám sát khác nhau, thuật toán hồi quy rừng ngẫu nhiên (random forest) được chọn là thuật toán để xây dựng vận tốc khoảng cho khu vực nguyên cứu này. Ngoài ra, bài báo đã đánh giá mức độ sai số của mô hình vận tốc khi sử dụng để chuyển đổi dữ liệu từ miền thời gian sang miền độ sâu bằng phương pháp loại bỏ từng giếng khoan (blind well test) và tính toán mức độ sai số sau mỗi lần loại bỏ từng giếng khoan.

Bài nguyên cứu này là bài nguyên cứu đầu tiên sử dụng thuật toán học máy để xây dựng mô hình vận tốc 3D cho khu vực bồn trũng Cửu Long, Việt Nam. Kết quả cho thấy thuật toán học máy đã giải quyết những nhược điểm hiện tại trong việc xây dựng mô hình vận tốc khoảng và cho kết quả chính xác cao.

Các tài liệu tham khảo

Laura Bandura, Adam D. Halpert, and Zhao Zhang, “Machine learning in the interpreter’s toolbox: Unsupervised, supervised, and deep-learning applications”, SEG International Exposition and Annual Meeting, USA, 14 - 19 October 2018. DOI: 10.1190/segam2018-2997015.1.

Zhao Zhang, Adam D. Halpert, Laura Bandura, and Anne Dutranois Coumont, “Machine learning based technique for lithology and fluid content prediction – Case study from offshore West Africa”, SEG International Exposition and Annual Meeting, USA, 14 - 19 October 2018. DOI: 10.1190/segam2018-2996428.1.

Eduardo Lugo Flores, Marcos Victoria, and Guillermo Sanchez Roa, “Depth conversion: Application of an innovative methodology: Added value to a fractured carbonate reservoir interspersed with tertiary and Mesozoic salt bodies within a very complex structural setting”, EUROPEC/EAGE Conference and Exhibition, UK, 11 - 14 June 2007. DOI: 10.2118/106650-MS.

Leo Breiman, “Random forests”, Machine Learning, Vol. 45, pp. 5 - 32, 2001. DOI: 10.1023/A:1010933404324.

Colin Daly, “An application of an embedded model estimator to a synthetic nonstationary reservoir model with multiple secondary variables”, Frontiers in Artificial Intelligence, Vol. 4, 2021. DOI: 10.3389/frai.2021.624697.

Đã đăng
2022-11-01
How to Cite
Lê , H. Q., Trần , Đồng, Nguyễn, V. T., & Nguyễn , Đắc T. (2022). Ứng dụng thuật toán học máy để hiệu chỉnh vận tốc khoảng địa chấn khi xây dựng mô hình vận tốc 3D. Tạp Chí Dầu Khí, 10, 12 - 18. https://doi.org/10.47800/PVJ.2022.10-02
Số tạp chí
Chuyên mục
Bài báo khoa học