پیشرفت های اخیر در فن آوری های تصویربرداری با وضوح بالا در حال تبدیل به شیوه ای است که دانشمندان و مهندسان تجسم ساختارهای زیر سطح هستند، با ارائه وضوح بی سابقه و جزئیات، این ابزار خطر حفاری را کاهش می دهد، عوامل بازیابی را افزایش می دهد و استخراج منابع پایدار را قادر می سازد، تصویربرداری با وضوح بالا در حال حاضر نه تنها از اکتشاف نفت و گاز، بلکه انرژی زمین گرمایی، sequestration، و مدیریت آب زیرزمینی، این مقاله بررسی پیشرفت های کلیدی یادگیری ماشین، و چشم انداز فعلی.

تکنولوژی های کلیدی رانندگی پیشرفت

سنگ بنای تصویربرداری مدرن مخزن در ادغام روش های مختلف ژئوفیزیکی قرار دارد.هیچ تکنیک واحدی تصویر کاملی را ارائه نمی دهد؛ بلکه ترکیبی از لرزه، الکترومغناطیسی، گرانش و اندازه گیری های سوراخ دقیق ترین مدل های زیر سطح را بهبود می بخشد.

افزایش تصویر برداری Seismic

نظرسنجی های انعکاس Seismic در طول دهه گذشته باقی مانده است، پیشرفت در خرید و پردازش قطعات، رزولوشن را از ده ها متر به مقیاس متر در تنظیمات مطلوب، بهبود موج کامل در تخریب مخزن (FWI) به طور مستقیم یکی از تحولات تجزیه و تحلیل گاز بالا (بطور مستقیم) به جای تکیه بر زمان سفر، FWI آن را به طور کامل با سرعت ضبط شده برای تولید داده های پیچیده (C) و برش داده های برش داده های برش داده شده است.

روش های الکتروماتیک

بررسی کنترل شده الکترو مغناطیسی (CSEM) از یک تکنیک تجربی به یک ابزار معمول برای چشم انداز ریسک زدایی بالغ شده است.با اندازه گیری کنتراست مقاومت بین سنگ های هیدروکربن-نبار و تشکیل های اشباع شده در اطراف مخزن، CSEM کمک می کند تا انواع مایعات و تغییرات اشباع را شناسایی کند.این روش به ویژه در محیط های عمیق آب ارزشمند است که دامنه لرزه ای به تنهایی می تواند به دلیل اثرات فشرده سازی عمیق (شکل گیری های تصویربرداری طبیعی) مقاومت کند.

تصویر برداری و ارسال خوب

در حالی که روش های سطح پوشش منطقه ای را ارائه می دهند، اندازه گیری های سوراخ بالا را به طور مستقیم در مخزن تحویل می دهد. Wireline و تجهیزات در حالی که در حال حاضر شامل تصویربرداری مقاومتی با وضوح بالا، اسکنرهای صوتی و تجهیزات ضد گاز هسته ای (NMR) است که این ابزار نقشه تخت، شکستگی، و vuggy منافذ در مقیاس های تشخیص زاویه ای که باعث می شود، با استفاده از کابل های برش فشرده شده (NSP) به خوبی از یک سیم کشی فشرده سازی شده است.

نقش یادگیری ماشین و ادغام داده ها

حجم عظیمی از داده های تولید شده توسط نظرسنجی های مدرن نیازمند پردازش هوشمند است. الگوریتم های یادگیری ماشین (ML) به تمام مراحل تصویربرداری مخزن، از تجزیه سوابق خام به تفسیر مدل های نهایی تبدیل شده اند.

تفسیر خودکار

شبکه های عصبی عمیق در حال حاضر انجام انضباط لرزه، تشخیص خطا و افق با دقت رقابت با مترجمان انسانی. شبکه های عصبی کانولو (CNNs) آموزش دیده در حجم برچسب می تواند بدن نمک، سیستم های کانال و سیستم عامل های فشار کربنات را در عرض چند دقیقه به جای هفته شناسایی کند.

Data Fusion و Inversion مشترک

ادغام مجموعه داده های مختلف ژئوفیزیکی در حال حاضر از طریق چارچوب های انحراف مشترک به دست می آید.این الگوریتم ها به طور همزمان برای خواص سنگ که توضیح اندازه گیری های متعدد - به عنوان مثال، ترکیب تجزیه و تحلیل لرزه، مقاومت الکتریکی و چگالی به یک مدل یکپارچه از حیوانات خانگی و پیش بینی های موجود اجازه می دهد تا ادغام دانش قبلی، مانند انتظار می رود که منافذ یا انتقال مارمولک نیاز به همه سیستم عامل های پردازش داده و پیش بینی های موجود است.

برنامه های کاربردی در مدیریت Reservoir

تصویربرداری با وضوح بالا به طور مستقیم بر توسعه و بهینه سازی تولید میدان تأثیر می گذارد.در پروژه های Greenfield، برآورد دقیق حجم و نقشه برداری خطا تعداد چاه های پریماتیک مورد نیاز را کاهش می دهد.در زمینه های قهوه ای، زلزله زمان گذشت و EM نظارت بر بهره وری، شناسایی روغن دور انداخته شده و راهنمای حفاری روغن پیشرفته (EOR)، تصویربرداری حرکت بخار تزریقی، پلیمر یا فعال کردن اپراتورهای گاز واقعی را ردیابی می کند.

پروژه های زمین گرمایی از تصویربرداری دقیق شکستگی بهره مند می شوند: مخازن با درجه حرارت بالا اغلب به شبکه های شکستگی طبیعی برای قابلیت بهره وری، نظارت بر سطح لرزه و میکرو بینی، همراه با log های سوراخ، مناطق قابل نفوذ را پیدا می کنند و اثربخشی تحریک را ارزیابی می کنند، به طور مشابه، ثبت کربن و ذخیره سازی (CCS) سایت ها نیاز به بررسی های پایه با وضوح بالا برای اطمینان از تکرار تصاویر ثابت می کنند که نظارت بر آلودگی های زیست محیطی به بالا را شامل نمی شود و ذخیره سازی آلودگی های زیست محیطی.

چالش ها و محدودیت ها

علی رغم پیشرفت قابل توجه، چندین چالش باقی مانده است.[۱۰] وابستگی عمیق ؛ هر دو لرزه و EM با عمق پایین، محدود کردن جزئیات در مخازن عمیق (FLT:2C) هزینه های نادر؛ [FLT3:]فرم کامل در انحراف زمین و انحراف مفصل نیاز به منابع محاسباتی گسترده ای دارد که [در نهایت] می تواند منابع ترکیبی از مواد مشابه را محدود کند.

مسیر های آینده

فناوری های نوظهور وعده می دهند که بر این محدودیت ها غلبه کنند و حتی قطعنامه های فشار را نیز بیشتر کنند.[۱۰] [FLTLT] اندازه گیری های مغناطیسی و گرانش دریایی (FLT=۱) با استفاده از آزمایش های نیتروژن-vacancy (NV) برای تقویت شتاب سنج های فیزیکی زمینی (F3) که به طور مستقیم می توانند با استفاده از منابع نظارت بر نور خورشید، سرعت، پردازش شوند.

همگرایی قدرت محاسباتی، تکنولوژی سنسور جدید و الگوریتم های پیشرفته تضمین می کند که تصویربرداری با وضوح بالا از مخزن ادامه خواهد داد برای انتقال انرژی، این ابزار برای بهینه سازی تولید از زمینه های موجود ضروری است، توسعه منابع زمین گرمایی با خیال راحت و نظارت بر ذخیره سازی طولانی مدت CO2 در تحقیق و همکاری متقابل صنعت برای ساخت این قابلیت های به طور گسترده قابل دسترس است.