Ứng dụng trí tuệ nhân tạo trong kỹ thuật dầu khí: Bài toán áp dụng mạng nơ ron nhân tạo trong dự báo áp suất nứt vỉa

Bài viết này được thực hiện với mục đích tìm hiểu cơ sở lý thuyết của mạng nơron nhân tạo, từ đó ứng dụng vào thực tiễn xây dựng mô hình dự đoán áp suất vở vỉa cho các giếng khoan dựa trên các dữ liệu về địa cơ học hoặc các tài liệu địa vật lý giếng khoan.
Nội dung trích xuất từ tài liệu:
Ứng dụng trí tuệ nhân tạo trong kỹ thuật dầu khí: Bài toán áp dụng mạng nơ ron nhân tạo trong dự báo áp suất nứt vỉa Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học ỨNG DỤNG TRÍ TUỆ NHÂN TẠO TRONG KỸ THUẬT DẦU KHÍ: BÀI TÓA N ÁP DỤNG MẠNG NƠ-RON NHÂN TẠO TRONG DỰ BÁO ÁP SUẤT NỨT VỈA Đặng Hữu Minh* Trường Đại học Dầu khí Việt Nam *Tác giả liên lạc: minhdh03@pvu.edu.vn TÓM TẮT Dự đóa n áp suất vỡ vỉa là một công việc quan trong khi lên kế hoạch thiết kế giếng khoan. Thực tế có sai số trong các công thức, mối tương quan để dự đóa n áp suất vỡ vỉa có thể gây ra một số vấn đề nghiêm trọng, trong đó có thể kể đến như mất tuần hoàn dung dịch khoan hoặc xảy ra hiện tượng “Kick” dẫn đến phun trào. Các kết quả chính xác của áp suất vở vĩa cho phép việc kiểm sóa t, vận hành, kích thích giếng hoạt động hiệu quả. Áp suất vỡ vỉa sẽ phụ thuộc vào các thông số chính như ứng suất lớp phủ, ứng suất thành hệ, áp suất lỗ rỗng, độ sâu, hệ số Poisson, mô đun khối, mô đun Young,… Bất kỳ phương pháp dự đóa n áp suất vỡ vỉa nào cũng xây dựng các mối tương quan từ những thông số trên. Từ khóa: Áp suất vỡ vỉa, mạng nơ-ron nhân tạo. ARTIFICIAL INTELLIGENT APPLIED IN PETROLEUM ENGINEERING: A CASE STUDY OF FRACTURE PRESSURE PREDICTION USING ARTIFICIAL NEURAL NETWORK MODEL Dang Huu Minh* Petro Viet Nam University *Corresponding Author: minhdh03@pvu.edu.vn ABSTRACT Prediction formation fracture pressure is an essential task in designing safer drilling operations and economical well planning. The errors in formulas, correlations which using to predict formation fracture pressure can lead several serious problems such as lost circulation and kick, even blowout. Accurate formation fracture pressure prediction plays an important role in controls, operations and stimulations. Fracture pressure depends on several factors including magnitude of overburden stress, formation stress, formation pore pressure, depth, Poisson’s ratio, bulk modulus, Young modulus, etc. Any prediction methods should incorporate most of the above factors for a realistic prediction of the fracture pressure. Keywords: Formation fracture pressure, artificial neural network. TỔNG QUAN trực tiếp thường rất lớn và gặp nhiều Áp suất vỡ vỉa là một thông số quan khó khăn, vì vậy nghiên cứu các trọng trong giai đoạn tiền thiết kế hệ phương pháp gián tiếp hay mối tương thống khoan, khai thác và kích thích quan thực nghiệm để xác định áp suất vỉa, cũng như được biết tới là một vỡ vỉa luôn là một đề tài thu hút nhiều thông số tiên quyết tới công tác tối ưu nhà nghiên cứu. các hoạt động khoan. Chi phí để xác Những thông số như áp suất lỗ rỗng, độ định áp suất vỡ vỉa bằng phương pháp rỗng thành hệ, tỷ trọng đá, tính chất 513 Giải thưởng Sinh viên nghiên cứu khoa học Euréka lần 20 năm 2018 Kỷ yếu khoa học thạch học của đất đá… theo độ sâu làm các dữ liệu đầu vào để xây dựng được sử dụng như các dữ liệu đầu vào mô hình dự đóa n áp suất vỡ vỉa bằng cho bài tóa n dự đóa n áp suất vỡ vỉa. mạng nơ-ron nhân tạo. Tổng số 39351 Đồng thời công thức dự đóa n được sử điểm dữ liệu được chọn từ ba giếng dụng riêng cho đặc tính vùng dựa trên khoan 2X, 3X và 4X đã được khoan tại cơ sở dữ liệu có sẵn được sử dụng. Bài mỏ X với mục đích xây dựng mô hình báo này được thực hiện với mục đích và dự đóa n áp suất vỡ vỉa cho giếng tìm hiểu cơ sở lý thuyết của mạng nơ- 5X. Trong đó 2/3 dữ liệu được chọn từ ron nhân tạo, từ đó ứng dụng vào thực tập hợp dữ liệu tổng để thành lập tập tiễn xây dựng mô hình dự đóa n áp suất dữ liệu đào tạo (training). Một nửa vở vỉa cho các giếng khoan dựa trên những điểm dữ liệu còn lại được chọn các dữ liệu về địa cơ học hoặc các tài để thiết lập tập dữ liệu phê chuẩn liệu địa vật lý giếng khoan. (validation) và phần còn lại là của tập dữ liệu kiểm tra (testing). Những điểm THÔNG SỐ ĐẦU VÀO VÀ dữ liệu cho mỗi tập hợp được chọn từ PHƯƠNG PHÁP NGHIÊN CỨU tập hợp tổng được phân bố sao cho vẫn Các thông số đầu vào giữ được sự đồng nhất giống với tập dữ Khi phân tích các mô hình lý thuyết dự liệu tổng. đóa n áp suất vỡ vỉa thành hệ, tác giả Như vậy trong mô hình nơ-ron nhân nhận thấy áp suất vỡ vỉa phụ thuộc vào tạo này, tác giả sẽ sử dụng các thông số ứng suất địa tĩnh (PO), áp suất lỗ rỗng độ sâu, hệ số Poisson, ứng suất lớp phủ (Pp), tỷ số Poisson (µ), tuổi thành hệ, và áp suất lỗ rỗng làm dữ liệu đầu vào độ sâu và tỉ trọng đất đá. Tùy vào dữ để dự đóa n áp suất vỡ vỉa. liệu của các giếng khác nhau để chọn Phương pháp nghiên cứu những thông số đầu vào cho phù hợp. Sau khi dữ liệu được tập hợp, bước tiếp Tuy nhiên cần lưu ý rằng một số thông theo trong đào tạo một mạng là tạo ra số đầu vào lại có tương quan với nhau một đối tượng mạng. Qua quá trình như: tỷ số Poisson phụ thuộc vào tỉ nghiên cứu và thử nghiệm, tác giả sử trọng riêng, tỷ số thành phần ứng suất dụng mạng lan truyền ngược (feed- hữu hiệu và tuổi thành hệ. Do đó mối forward backpropagation) như đã giới nội liên hệ giữa khối lượng riêng của thiệu trong phần cơ sở lý thuyết với 3 thành hệ với gradient áp suất lỗ rỗng và lớp ẩn, 1 lớp đầu vào và 1 lớp đầu ra. chiều sâu đã gián tiếp bao gồm trong Tiếp theo là chọn số lượng nơ-ron đó và đã thể hiện đượ ...