خاستگاه زمین آمار

آمار زمین آماری از صنعت معدن نشات گرفتار شد. در اوایل دهه 1950 ، زمانی که آمار “کلاسیک” برای تخلیه ذخایر سنگ معدن نامناسب قرار گرفت ، DG Krige ، مهندس معدن آفریقای جنوبی و HS Sichel ، یک آماری ، روش تخمین جدید ایجاد شده است. ^[1] [2] مهندس فرانسوی ژرژ ماترون مفاهیم بدیع کریگه را گسترش داد و آنها را در یک چارچوب رسمی کرد و کلمه “کریجینگ” را به رسمیت شناخت کار کریگه ابداع کرد. ^[3]اگر روش کریجینگ در اصل برای حل مشکلات تخلیه ذخایر سنگ معدن تهیه شده بود ، اما با ظهور کامپیوترهای پرسرعت در دهه 1970 ، این روش در زمینه های علوم زمین گسترش یافته است. با این حال ، فقط از اواسط تا اواخر دهه 1980 بود که تکنیک های زمین آماری به هر میزان در صنعت نفت مورد استفاده قرار گرفت ، گرچه پذیرش و استفاده از آنها را از آن زمان به طور معمول مداوم و قابل توجه رشد کرده است.

نقش زمین آمار در خصوصیات مخزن

هزینه های سرسام آوریل توسعه مخزن نامفهوم و تمایل به افزایش بازیابی نهایی باعث تحریک شرکت های نفتی برای توسعه و استفاده از تکنیک های جدید نیست توصیف مخلوط شده است. زمین آمار یکی از فن آوری های جدید است که در فرآیند توصیف مخلوط گنجانده می شود.

از اواخر دهه 1980 ، تکنیک های زمین آماری به یک فناوری پذیرفته شده برای توصیف مخزن نفت تبدیل شده اند ، به ویژه اگر ترکیبات لرزه ای سه بعدی داشته باشید. توصیفات عددی در یک شبیه ساز جریان سیال قرار می گیرد و در نتیجه یک نتیجه می گیرد. استفاده از زمین آمار بین رشته های علوم مهندسی و مهندسی مخلوط را ضروری می کند ، به هر یک اجازه می دهد تا به طور کامل در ساخت مدل مخلوط کمک کند. این کاملاً متفاوت از رویکردهای گذشته است که در آن رسمی سازی ریاضی به مهندس مخزن واگذار می شود. رویکرد چند رشته ای ، همراه با فناوری پیشرفته برای مدل سازی مخلوط ، تضمین می کند که ویژگی های مهم زمین شناسی در این فرآیند نادیده گرفته نمی شود.

زمین شناسی سنتی از نظر کیفی ، کاملاً مبتلا به طرح بندی طبقه بندی و توصیفات مرتبط با پدیده های فیزیکی است. در دوره معیار مدل سازی مخلوط ، چنین مدل های زمین شناسی کیفی به مدل های عددی تبدیل می شوند ، اگر یک مهندس مخلوط شود ، به جای یک شناسه زمین. اگر مدل زمین شناسی دقیقاً باشد ، چنین تحولی مشکلی ایجاد نمی شود. با این حال ، در گذشته ، مدل های عددی تمایل به مدل های زمین شناسی که بر اساس آنها ساخته شده اند ، لازم نیست. این اختلاف ارزشمندانه توسط تفسیر مربوط به نظم و انضباط ایجاد می شود و از نظر اقتصادی مقرون به صرفه است. مدل تولید مخلوط گران بود و همچنین ادامه دارد ، به گونه ای که مخلوط سازی با وضوح بسیار خوب غیر عملی است. برای کاهش زمان شبیه سازی رایانه ای (هزینه ergo) ، مدل زمین شناسی با تعداد قابل کنترل بودن کنترل از شبکه های دیگر در است.

اما کاهش شدید اندازه گیری یک مدل مخلوط پیامدهای الکترونیکی دارد. اگر ناهمگنی یا پیچیدگی زمین شناسی بیش از حد ساده شود ، یکپارچگی نتایج شبیه سازی می تواند تحت تأثیر قرار گیرد. نمایش اولین درشت ممکن است برای یک مخلوط نسبتاً ساده مناسب و مناسب باشد ، اما با یک مخلوط پیچیده ، اگر بتوانید نتایج حاصل از تجدید نظر را برای شما فراهم کند ، همراه شما خواهد بود.

برای جلوگیری از این مشکل ، از تکنیک های همسان سازی تاریخچه برای تنظیم دقیق مدل مهندسی استفاده می شود. تخریب ، نفوذ انیمیشن و سایر پارامترها می توانند تنظیم شوند زمانی که شبیه سازی جریان سیال با عملکرد چاه مشاهده می شود ، فشارها و میزان جریان آزمایش های تولید مطابقت داشته باشد. اگر هر یک از این سه شرط مطابقت داشته باشد ، مدل معقول فرید می شود ، اگر منحصر به فرد نیست. اگر این مدل ممکن است یک مقطع زمانی با تاریخ مطابقت داشته باشد ، اما شما می توانید پیش بینی ضعیفی برای تولید در آینده باشد.

مسائل مربوط به شبیه سازی مخزن است

شبیه سازی مخزن با ارائه برنامه اقتصادی و توسعه نوعی بسته شدن مطالعه به همراه شما ، اما پیش بینی تولید که ارائه می دهد اگر شما نادرست است. خوشبختانه ، رویکرد زمین آماری با مدل سازی مخلوط به اندازه کافی در جای خود شما بوده است که می تواند توانایی کارایی روش زمین آماری را از نظر تاریخچه تولید پس از شکل دادن به عملکرد کرد. جریان شبیه سازی شده در نتیجه استفاده از مدل های ساخته شده از نظر زمین آماری نه تنها به راحتی توسط نویسندگان ، بلکه توسط دیگران نیز مشاهده می شود. ^{[4] [5] [6] [7]} غالبا، این پیش بینی ها بیش از حد خوشبینانه بودند ، بیشتر به این دلیل که مخازن به طور قابل ملاحظه ای ناهمگن و فشرده تر از مدل مخزنشان بودند .

چنین انحراف مداوم از پیش بینی ، وجود پارامتر به طور واضح ای نشان نمی دهد که حذف آن از مدل تعبیر ایجاد شده است. با اشاره به این که غالباً اینگونه بوده است که چاههای منفرد به گونه ای است که پیش بینی شده است عمل نکرده و الگوهای حفاری برای آنگونه که پیش بینی شده است که شما عمل نمی کنید ، ما پیشنهاد نمی کنیم که هیچ مدل مخلوط خوبی وجود نداشته باشد ، و همچنین منظور ما است. این نیست که بیش از حد بحرانی باشد. در عوض ، ما صنعت خود را به چالش می کشم تا با بهره گیری از فناوری روز برای حفظ ناماهمون در مدل های مجلل ورودی به شکل سازگار ، نوآورتر عمل کنیم. در مقایسه با استفاده از روش زمین آماری ، پیشنهادات اخیر شامل تدریج زمین شناسی بیشتر و نگرانی برای سازگاری زمین شناسی و پارامترهای فیزیکی است که در این کشور موجود است. این کشور به طور قطع نیاز به ویژگی های بیشتر دارد ، زیرا از محیط های رسوبی نشان داده شده است. داده شده در مخزن را تأیید می کند.

ناهمگنی مخزن

ایده ناهمگن بودن مخازن موضوع جدیدی نیست. تایلر و قلستون ^[8] و تایلر و فینلی ^[9] با استفاده از مقیاس نسبی بیهوده است که به دلیل اصلی بودن گره خورده است ، نشان می دهد که با توجه به هیدروکربن متحرک ممکن است مخلوط شود و تفاوت آن باقی بماند. وبر ، ^[10] سریواستاوا ، ^[11] کینگ و منصفیلد ، ^[12] بوتون-دومای و همکاران ، 13 ^[13] و سرینیواسان و کرز ^[14] پیشگامان سطح بستر را از اثرات نامشخص در بازیابی هیدروکربن ها دارند. .

مدل سازی مخزن را از زمین آماری بدست آورید شاید بهترین وسیله برای بهتر شدن پیش بینی عملکرد در مخازن ناهمگن باشد. این موفقیت آمیز است ، زیرا درک می کند که در فضای بینابین وجود دارد و یک مشکل آماری است که می تواند باعث شود. این تنها روش نیست و در همه موارد نیز مفید نیست ، اما رویکردی سختگیرانه است که در برابر دیگر شرایط واقعی و ملاحظات عملیاتی مدلسازی نفتی مفید واقع شده است.

هدف از مدل سازی مورد نظر از نظر زمین آماری ساخت یک مدل واقع بینانه تر از ناماهمگنی مخلوط شده با استفاده از روش هایی است که به طور کامل انجام می شود به طور معمول انجام نمی دهد. مانند رویکرد تعیین گرایانه سنتی ، هم داده های اندازه گیری شده (سخت) را در جایی که باعث می شود حفظ کنید و هم داده های تفسیری (نرم) را هر زمان که آموزنده باشد ، حفظ کند. با این شرایط ، برخلاف رویکرد قطعی ، آمار زمین آماری قابل قبول است (تحقق می یابد) چندین بار در اختیار دانش آموزان قرار می دهد. اختلاف درجه مدل های مختلف بازتابی از ناشناخته است ، اندازه گیری عدم اطمینان است. برخی از تحقق ها ممکن است حکمت زمین شناسی غالب را به چالش بکشد و به طور معمول به طور قطع گروهی از سناریوهای اقتصادی را از خوش بینانه تا بدبینانه داشته باشید.

داشتن بیش از یک نتیجه برای افزایش و تجزیه و تحلیل در شبیه سازی جریان ، الگوی تجزیه و تحلیل مخلوط سنتی به دلیل عدم تغییر در داده های پویا در صورت استفاده از روش سنتی برای مشخص نبودن . سرینیواسان مشکلاتی را در اختیار شما قرار می دهد که “با این روش توضیح می دهد” ، “فقط اطلاعات مربوط به قسمت عدم نفوذ در قسمت پویا وجود دارد. چنین اطلاعاتی باید با استفاده از روش های کالیبراسیون استخدام شود ، زیرا مدل های مخلوط موجود در آن وجود دارد. کالیبره محدود شده است. این روش با مفهوم احتمالی داده های تاریخ مطبوعات وجود دارد (تأیید سایر ناشناخته ها ، مانند نفوذ انیمیشن نسبی) و اگر بتوانید پیش بینی کنید که تولید پیشرفته شما امکان پذیر است. “

ارتباط شخصی بین جفری یاروس و سانجی سرینیواسان ، تگزاس (2002). *

آمار کلاسیک و نقش آن در مدل سازی زمین آماری

یک مرحله اساسی در هر تحقیق علمی ، مرحله توصیف کمی است. این امر به ویژه مورد استفاده قرار گرفته است در مورد علوم زمین شناسی ، که در گذشته بیشتر به توصیف کیفی بستگی داشت ، صدق کند. تا زمان جمع آوری و توصیف کمی حقایق ، تحلیل علل آنها زودرس است. آمار با مقادیر داده شده است می تواند کند ، نه با یک واحد داده ، و اگر شما نیاز دارید که این داده ها را به شکل قابل قبولی مدیریت کنید. داده های سازمان یافته واضح ترین داده ها هستند. فقط ، فقط از نظر آمار مربوط به سازمان ، ارائه و خلاصه اطلاعات است.

هم از محاسبه معیارهای آماری کلاسیک (به عنوان مثال ، حالت ، حالت ، میانه ، واریانس ، انحراف معیار و انحراف) و هم از طریق نمایش داده های گرافیکی (به عنوان مثال ، هیستوگرام ها و نمودارهای پراکندگی) به طور دقیق برای تهیه ماهیت مجموعه های موجود در یک علم استفاده می شود تحقیق – از جمله مطالعه مخلوط شده است. مجموعه مشخص متمایز داده های علوم زمین (به عنوان مثال ، برای مخلوط نفتی) ، این است که آنها حاوی اطلاعات مکانی هستند ، زیرا روش توصیف آماری کلاسیک نمی تواند به اندازه کافی توصیف شود. جنبه مکانیکی مجموعه ها را ارائه می دهد ، مانند درجه تداوم – یا بالعکس ، ناماهمگنی – و جهت گیری در ایجاد مدل مخلوط بسیار مهم است. تجزیه و تحلیل داده های غنی فضایی در دامنه زمین آمار (آمار فضایی) است ، اما یک پایه در آمار و احتمال کلاسیک پیش نیاز به درک مفاهیم زمین آماری است.

نمونه گیری در هزاران مطالعه بسیار ارزشمند برای اثبات رسیده است ، اما همچنین می تواند به نارسایی و تعمیرات آماری شود. آیا ، چه زمانی می توانم به یک نمونه اعتماد کرد؟ پاسخ به انتخاب نمونه بستگی دارد. همانطور که بعداً در این بخش به طور کامل بحث می شود ، آمار کلاسیک فرید می کند که هر مشاهده در مجموعه داده های مستقل از دیگران است یا تصویری است. یعنی فرض کند که نمونه ها (به عنوان مثال ، اندازه گیری تخلیه از یک هسته یا از سیاهه های مربوط) از یک مادر بزرگتر نظریه بزرگتر است که در هر نمونه انتخاب شده همان شانس قرار گرفتن در گروه نمونه را دارد. نمونه های زمین شناسی نفتی (به عنوان مثال ، داده های خوب) ، به طور معمول به دو دلیل تصادفی نیستند. اولاً ، در استفاده از آن كه به تولید نفت و گاز تبدیل می شود ، از آنها نمونه برداری می شود. دومین ، نمونه ها از خودتان به یک سیستم مختصر گره خورده اند و از این رو در فضای جغرافیایی مرتبط هستند.استفاده از رویکرد آماری کلاسیک ساخت ساز است که به طور کاملاً مشخصی نمونه ها مغرضانه هستند و به دلیل داشتن نیاز لازم. برای اطمینان به یک نمونه ، بایستی تعویض شود و وابسته شود فضایی محاسبه شود
.