Июл 22
Коллеги доброго дня,
Очень популярная тема, но похожих обсуждений на форуме не находил.
Расскажите про позитивный и негативный опыт применения нейросетей и МО в разработке и геологии. Меня очень заинтересовал вопрос оценки взаимовлияний т.е. поиска связей между скважинами на основе промысловых данных.
Опубликовано
21 Июл 2022
Активность
66
ответов
4611
просмотров
16
участников
22
Рейтинг
ну что могу предложить? как петрофизик балуюсь подобным при прогнозировании проницаемости и литотипизации. Использую стандартные пакеты питон склерн и подобные. Где то лучше, где то хуже чем стандартные методики. Все это в рамках факутальтива. Начальству эти черные ящики носить пока не собираюсь так как ума не приложу как я буду обосновывать. Сказать шефу что вот смотрити, сюда загружаем данные, потом ахалай-махалай..ляськи-масяскьи..на выходе имеем то, чему можно верить - я пока не готов.
Интуитивно понимаю что за этим будущее, но экспертам ГКЗ которые проницаемость по ПСке считают это точно сейчас не прокатит. Хотя на всех конференциях эта тема педалится.
ну и еще - сейчас как раз идет курс по теме МО vs. Сейсмика. Обещали потом выложить в общий доступ.
Если говорить об анализе взаимовлияния - можно предложит работы Бриллианта ЛС и других сотрудников ТИНГ. Правда там мало конкретики - лишь описание результатов. Зайдите на сайте ТИНГ в раздел "Публикации".
Еще была диссертация Хусаинова АТ 2013 года - "Прогнозирование показателей добычи нефти методами нейросетевого моделирования", если я не ошибаюсь.
Про анализ взаимовлияния ничего не скажу - не мой профиль.
Про нейросети в геологии и петрофизике - мне интересны вот эти моменты (перекликаются с Петиными)
http://ngdelo.ru/article/view/10601
http://ngdelo.ru/files/ngdelo/2021/1/ngdelo-1-2021-p69-76.pdf
КОМПЛЕКСНАЯ ИНТЕРПРЕТАЦИЯ МАТЕРИАЛОВ ГЕОФИЗИЧЕСКИХ ИССЛЕДОВАНИЙ .........ОТЛОЖЕНИЙ С ПРИМЕНЕНИЕМ НЕЙРОННЫХ СЕТЕЙ
Смущает несколько моментов, основной конечно же - способность транслировать методу в промышленных масштабах.
Как впрочем и везде с нейросетями - люди ловят волну, зачастую получается просто профанация (я не про конкретный данный кейз).
не, правда, оно реально задолбало, когда безграмотно рассуждают о некоем очередном Чюдо-оружии, и главное, не вникая даже в суть.
А суть там есть, безусловно, только чтобы постичь ея надо бы приложить некие (сверх) усилия, проделать массу экспериментов, необязательно всегда с позитивным результатом.
А при способе организации индустрии (читай извлечение максимума прибыли при миниммуме вложений, включая науку) нынче - никому это нах..й не нужно, нужно чтобы красиво напели (и нае.али), не, ну тогда у ж и совсем не нужно...
Это была реклама нейросетей и Прайма ))
Пробуйте, и кстате расскажите здесь, если кто пробовал и в промышленном масштабе получил-таки результат.
Самые сочные задачи по МО в геологии и разработке - в сейсмике. Сейсмический куб - прекрасный природный датасэт, обработанный и скомпилированный. Работа с сейсмикой может сгенерировать гигантский пласт научных гипотез, которые можно проверить с помощью искусственного интеллекта:
- автоинтерпретация сейсмы и пикирование горизонтов
- восстановление сейсмики в пропущенных зонах или за границами ЛУ
- выделение разломов
- повышение качества при обработке
- пр. пр.
Второе направление в ГиР, которое в принципе занималось дата-сайенсом еще до дата-сайенса, это петрофизика. Лас-файлы, собранные и обработанные, та еще биг-дата. Самые популярные кейсы:
- автолитотипизация; этот кейс мы даже смогли внедрить в продукцию, вшив в меню Техлога, и продавить использование на уровне руководства. Интерпретация делается детальнее (!) и быстрее. Тонкости: если на соседнем месторождении другие обстановки осадконакопления, то модель надо собирать и обучать заново. И калибровка на керн требует очень больших первоначальных затрат седиментологов и петрофизиков. Если интересно, могу про этот проект рассказать чуть детальнее (есть одна публикация, вторая выйдет в сентябре)
- поиск пропущенных интервалов; амбициозный проект, который всюду показывала ГПН;
- прогноз свойств или уточнение прогноза свойств: классические регрессионные задачки, которые решались всегда, а сейчас МО позволит решить их поточнее.
- пр.
Разработка, анализ взаимодействия скважин и прогнозирование добычи тоже популярное направление для МО. Но там данные - некачественные. Обучать модель на грубых редких замерах (с высоким человеческим фактором) практически бесполезно. Нам удавалось успешно настроить "кусочные" (на группе скважин или фрагменте истории) модели, но они "разлетались" при проведении ГТМ и пр. Есть очень много мелких стартапов и видных инженеров, которые хотят разработать "одну большую красную кнопку" на основе нейронных сетей, но пока реальной работоспособности я не увидел нигде. В научных публикациях на эту тематику сутевая часть как правило сильно умалчивается (предполагается очевидным, что слова "нейронная сеть" полностью отвечают на любой вопрос), но создаётся впечатление, что авторы сами не понимают или не знают, что делают.
Еще биг-дата есть в задачах технологии добычи, поэтому там сам Бог велел искусственный интеллект внедрять:
- прогноз и детекция аномалий в работе оборудования;
- прогноз отказов;
- виртуальная расходометрия.
Это если по верхушкам пройтись.
с удовольствием бы ознакомился. Думаю не я один.
Оценка взаимовлияния это надо в сторону CRM копать.
Не мало лет назад ВНИИГАЗ на деньги Газпрома разрабатывал концепцию системы один из элементов которой расчитывал технологические режимы работы газовых и газоконденсатных залежей с использованием машинного обучения. Использование неявных алгоритмов в расчётах технологического режима это полная ерунда. Ожидаемо для ВНИИГАЗ из концепции продукт не родился.
Вот еще один вариант применения... Есть участок покрытый сейсмикой 2D. На структурных картах с прилегающих участков с сейсмикой 3D, обучаются нейросетки по технологии супер-разрешения. Затем, с их помощью - структурные карты по 2D превращаются в карты 3D, которые учитывают геоморфологические особенности стратиграфического горизонта и района. Вывод вероятностный, так как задача не имеет единственного решения. Пример вывода из 2D (верхняя) в 3D (нижняя).
Согласен с Михаилом. Взаимовлияние выглядит как благодарная задача для МО, но по факту это хорошо работает только на модельных данных. Как только появляются косяки в данных - а это не только проблема с замерами, это еще неучтенные ЗКЦ, авто-ГРП и т.д. - в закономерностях взаимовлияния появляются неприятные многозначности, с которыми МО не справляется. Критерий достоверности очень простой, он для всех технологий оценки взаимовлияния применим - кросс-валидация на исторических данных с помощью обучающей и контрольной выборки.
Мне кстати очень понравилась идея хардверной реализации персептрона, в которой нейроны - не виртуальные, а электронные элементы. Интересно было бы сделать то же самое для скважин. Но - повторюсь, чтобы это заработало, нужны выверенные данные только по целевому объекту.
я тысячекратно извиняюсь, но есть вопрос - для создания синтетической кривой ГГКП из ГК и НК были привлечены вот эти все люди? банальной мульти регрессией нельзя было обойтись?
- метод Бройдена-Флетчера-Гольдфарба- Шанно
• модификация алгоритма Левенберга-Марквардта
а то как то перед коллегами сейсмиками неудобно. у них терабайты сейсмотрасс, а мы петрофизики из двух кривулек третью генерим.
Есть несколько вопросов, которые давно интересуют, если возможно как специалист реализовавший кейсы на практике, напиши хотя бы примерно.
На сколько примерно увеличивается скорость? Насколько я понимаю, специалисты потом проводят оценку автоинтерпретации, можно оценить в % выигрыш во времени? Повышение детальности также связано со временем - при ручной интерпретации петрофизик не успевает выделить все литотипы, а алгоритму нет разницы или влияют какие-то другие факторы? Ну и учитывая, что тиражировать обученную модель на другое месторождение скорее всего не получится, насколько общие трудозатраты на интерпретацию с применением МО ниже чем при классическом подходе?
Такие же вопросы и к сейсмике - есть много разборов теоретических кейсов и опять же я согласен, что сейсмический куб отличный набор данных для обучения модели, но на практике не видно широкого применения этих инструментов. Может у меня недостаточно данных, но есть подозрение, что тема не движется, так как автоинтерпретация требует проверки и время фактически будет потрачено столько же, применить наработки на другой площади не получится. Даже одна скважина пробуренная мимо перекроет любую экономию по времени, поэтому будут требовать, чтобы сейсмики подписались под результатом, те в свою очередь вряд ли одобрят результаты работы МО не разобравшись, в итоге выигрыша от инструмента нет.
CRM, имхо, очень переоценены. Если разобраться в математике ёмкостно-резистивной модели, то это просто усложненная регрессия добычи от закачки. Можно ли описать пласт множеством уравнений регрессии добычи от закачки? Да, наверное, в частном случае, можно. Будет ли такое описание качественным и универсальным инструментом? Нет.
Да, любопытно звучит. Но ведь для скажин получится что-то типа старых добрых методов электрогидравлической аналогии, или я не понимаю?
Отвечу тут и вам, и Петру.
Собственно, мы взяли скважины месторождения Х с отобранным керном. По этим скважинам была очень хорошая детальная интерпретация, поэтому мы создали первую модель только на них (для 8 скважин (!)). Затем стали эту модель использовать на других скважинах, которые керна не имели, но при этом обладали хорошей детальной интерпретацией, выполненной экспертом-петрофизиком. Где-то, разумеется, появлялись новые литотипы, на распознавание которых модель была не обучена; где-то модель показывала более грубый результат, а где-то ошибалась. В конце концов, в обучающую выборку вошло еще 8 скважин (без керна, но с очень детальной интерпретацией эксперта). И модель была обучена на 16 скважинах совокупно. Были учтены все имеющиеся на м-нии литотипы в достаточном количестве. Хотя и распределение литотипов было несбалансированным, итоговые метрики модели были весьма приличные.
И тогда (!) мы взяли оставшиеся 100+ скважин месторождения, где была выполнена старая интерпретация (относительно грубая) и запустили тестирование модели на них. Результат понравился службе главного геолога: все 100+ скважин были автоматически проинтерпретированы за несколько секунд у них на глазах, и итоговая интерпретация получилась точнее и детальнее, чем предыдущая. Кстати, формальные метрики по многим скважинам были низкие, потому что расхождение с ручной интерпретацией было значительное.
Первая итерация экспериментов кратко описана здесь. Про вторую итерацию и внедрение скрипта в меню Техлога текст выложу в сентябре после второй конференции.
Теперь к вопросам:
На сколько примерно увеличивается скорость? - формально, в миллионы раз. Но нужно учесть затраты на разработку модели + самое важное и трудоёмкое: работу петрофизиков по подготовке датасэта, вычистке данныз, нормализации, стандартизации и пр.пр. Сам численный эксперимент в Питоне не занимает много времени, а вот подготовка и разметка данных к нему - критичны.
Насколько я понимаю, специалисты потом проводят оценку автоинтерпретации, можно оценить в % выигрыш во времени? - зависит от кейса. Оценка результатов автоинтерпретации в нашем случае не заняла много времени. Мы смотрели скважины с большими расхождениями и сразу же понимали, чем эти расхождения вызваны (чаще всего, большей детальностью нашей модели; иногда - субъективным фактором для пограничных литотипов, а ля Marly sandstone и Sandy marl.
Повышение детальности также связано со временем - при ручной интерпретации петрофизик не успевает выделить все литотипы, а алгоритму нет разницы или влияют какие-то другие факторы? - тут факторы субъективности интерпретации и целеполагания (зачем делать настолько детальную интерпретацию) срабатывают ещё.
Ну и учитывая, что тиражировать обученную модель на другое месторождение скорее всего не получится, насколько общие трудозатраты на интерпретацию с применением МО ниже чем при классическом подходе? - тиражировать можно, но с умом. Если обстановки осадконакопления +/- те же самые, то задача решается тривиально. Мы, кстати, именно на обстановки и хотели завязаться в первых экспериментах. Но в нашем случае опции прямого тиражирования весьма ограничены из-за региональных особенностей. Хотя перенести тот же подход на другие месторождения с другим распределением литологии и заново обучить модель - вообще не проблема при наличии подготовленных петрофизиками данных.
То, о чём вы говорите, называется зрелостью технологий и зрелостью бизнеса. Какие-то технологии с использованием ИИ в сейсмике, которые можно было внедрить давно, уже внедрены в коммерческие продукты типа Лэндмарка, Парадайма, Петреля и пр.пр. И ими пользуются!
Да, "доморощенное" машинное обучение в сейсмике действительно еще не такое зрелое (и руководство не всегда понимает зачем это надо). И скиллы там требуются покруче, и вычислительные мощности посерьёзнее. Но всё же с каждым годом эти технологии становятся всё более доступными. Народ (и руководство) потихоньку привыкают к новым инструментам. Отрасль обновляется - и технологически, и биологически. Как итог - прогресс неизбежен.
Переоценены кем? CRM дает оценку влияния нагнетательных скважин на добывающие, причем там достаточно много допущений. Ждать от нее чего то большего не стоит.
ну вот за такие разговоры я и люблю наше заведение) и у телезрителя из солнечного Алибакана конечно же есть вопросы
1) результат работы вашего алгоритма - выделение литотипов же? если я недопонял, то поправьте. В приведенной иллюстрации показано сравнение двух моделей на разных выборках. Почему нет сравнения с фактической моделью от седиментологов то? Вам же нужно показать что фации (литотипы) с керна бьются с полученными.
2) Так как вы используете сопротивление на входом наборе данных, то учитывалось ли насыщение при выделении литотипов? Ну явно же один литотип с разным насыщением будем давать ошибку при обучении. Может стоит подавать также кривую насыщения раз уже есть и плотностной и сопротивление?
Касательно промышленного масштаба, на сегодняшний день очень сильно начали развиваться программные продукты, которые позволяют оптимизировать добычу, путём настройки режимов работы доб. и нагн. скважин., с помощью методов МО, к примеру, https://www.tachyus.com/solutions/ , https://teics.com/, не было ни у кого опыта работы с ними или подобными компаниями?
Если говорить про CRM, то это статьи M. Sayarpour и L.W. Lake нодо смотреть. Например:
Sayarpour M. The use of capacitance–resistance models for rapid estimation of waterflood performance and optimization // SPE 110081.
Или вообще диссертацию M. Sayarpour: Development and Application of Capacitance-Resistive Models to Water or CO2 Floods, 2008.
На русском можно посмотреть цифровую модель Оленчикова и Посвянского из Roxar: SPE-196893-RU или работы Степанова СВ, Поспеловой ТА с коллегами из ТННЦ.
Кроме статей недавно вышла их монография:
Степанов С.В., Бекман А.Д., Ручкин А.А., Поспелова Т.А. Сопровождение разработки нефтяных месторождений с использованием моделей CRM. Тюмень: ИПЦ "Экспресс", 2021. Я находил в pdf.
В монографии описываются пути обхода многих ограничений CRM-моделей.
CRM-модели действительно имеют множество ограничений. Но многие из них можно обойти или ослабить.
В первую очередь это методика описания интерференции скважин при большом количествезамеров дебитов жидкости, расходов закачиваемой воды и забойных давлений в предположении отсутсвия бурения и перевода скважин.
Есть подходы для анализа обводнения с их помощью.
Из последнего - есть монография:
Степанов С.В., Бекман А.Д., Ручкин А.А., Поспелова Т.А. Сопровождение разработки нефтяных месторождений с использованием моделей CRM. Тюмень: ИПЦ "Экспресс", 2021. Я находил в pdf.
В монографии описываются пути обхода многих ограничений CRM-моделей.
Переоценены нефтяным научным сообществом. CRM пытаются использовать как альтернативу ГДМ, проксиГДМ, как инструмент прогнозирования и т.д. Слишком большие ожидания, а выхлоп, как вы правильно написали, в лучшем случае оценка влияния НС на ДС.
Я сам как ненормальный носился с CRM и пытался ее прикрутить к оптимизации заводнения и прогнозу разработки. Вот тут об экспериментах написал. И тут.
Спасибо,я читал. Вот можете мою статейку почитать, там есть список литературы. https://doi.org/10.2118/207255-MS
1. Справедливое предложение. Конкретно в этой иллюстрации акцент делался на том, как качество модели зависит от добавления новых скважин. Очевидно, интерпретация эксперта близка к правой колонке (поскольку метрика высокая), но - да, можно было бы и показать интерпретацию эксперта на иллюстрации справа дополнительно. Было бы нагляднее и интереснее.
2. Согласен, но у нас не учитывалась. Задача была использовать только исходные, базовые лас-кривые; а кривую насыщения еще надо же кому-то рассчитать. Также, на данном месторождении, оценка характера насыщения была не самой актуальной задачей (ввиду преимущественно ЧНЗ и прочих нюансов). А в целом, вы правы. В качестве одной из опций развития этого проекта как раз-таки хотели добавить насыщение и заняться "поиском пропущенных интервалов" - прогнозировать литотип + его характер насыщения.
Спасибо за ссылку.
Мой текст конечно же скорее не для Вас, а для топик-стартера )))
Есть возможность статью сюда выложить?
в личку пишите
Круто)) спасибо. Вопрос в догонку - а как умудрились библиотеки МО в техлог доставить то? или в вашей версии ТЛ sklearn и прочие уже стоят?
Спасибо, почитаю. А CRM сами писали? на Python? И долго считает?
Да, я об этом уже писал в похожей теме. Нужно скачивать WHL-файлы с нужными библиотеками и их "вручную" распаковывать в директории Техлога.
Да, сперва писал сам, в Excel и на VBA, упрощённые версии (2016-2017) по формулам Сайярпура и Сороуша. Считалось вечность. Потом стал питонить (2018-2019), стало гораздо быстрее все считаться. Но к тому времени я стал использовать уже не свои модели, а внедрять полуготовые от партнёров / подрядчиков. В конце 2019-го года от этих задач отошёл окончательно.
На Python тоже медленно считает. Я написал CRM на c# c использованием оптимизационной библиотеки alglib. Потом переписал на Python c scipy optimization library. Код на c# считает 5 минут, на питоне 2 часа один и тот же сет данных.
А сейчас какие задачи? Внедрили ли в итоге систему для оптимизации?
в куда именно и как это проставлять то? можно подробнее. Я не стал в личку это писать, так как думаю это многим будет интересно. Есть ли какие то конфликты по версиям техлога? Думаю многие на личном лаптопе имеют пиратку 2015. Мне бы понять как на нее поставить. Заранее спасибо))
А-а-а. Теперь понятен ваш вопрос.
Про версию 2015 - не знаю. Скорее всего, там слишком старая версия Python. Мы даже в версиях 2019 пробовали, но не удалось запуститься, потому что там Python 2.
Наши скрипты работают с Python 3. Он в Техлоге, начиная от 2020 версии.
В Техлоге 2020 был SkitLearn, но не той версии, которая нам была нужна. Мы её деинсталировали, а потом устанавливали снова. Пляска с бубном через whl-файлы была связана с сетевыми ограничениями и политикой ИТ-безопасности, поскольку pip у нас с внешей сеткой не работает.
Я уехал из "головного научного института" в дочернее предприятие. По задачам сейчас - всё подряд, связанное с использованием ML / DS в апстриме и даунстриме + экспресс-разработка информационных систем для работы с данными. Цифровизация, короче.
Ту свою систему для стоимостной оптимизации заводнения с использованием CRM сохранил только в прототипе. Дальше статей с описанием проверки гипотезы дело не ушло. На нынешнем месте работы задача оптимизации заводнения не актуальна ))
Были мысли в направлении поиска / разработки CRM для истощения, где нагнеталки заменяет аквифер, но пока ни во что осязаемое это не превратилось.
Коллеги, был ли кто на курсах Петропортала по Python в Сейсмике? Очень нужна ваша помощь)
да как так то))) ну кто то же должен был там быть из местных сейсмиков.
Все пакуют сумки.
Полгода пытались ML накрутить к CRM, как это делают в рекламных статьях. Ничего особого не вышло.
сейсмики все грузинскими айтишниками стали чтоль?
та же самая история с проницаемостью.
Среди пользователей есть создатель петропортала
https://www.petroleumengineers.ru/user/22166
Он точно должен знать.
Я даже не слышал про таки курсы
да я с ними через официальные каналы уже поговорил...... увы не смогли помочь. Курсы были реализованы на материалах Газпрома со всеми вытекающими ограничениями.
Записи есть на youtube: https://www.youtube.com/watch?v=P6jBNO6iNjQ&t=1s
да это то понятно. Но в них практические примеры разбираются, а для них исходники нужны. А это увы закрытые данные Газпрома.
Интересная тема, может есть возможность хотя бы статьями поделиться?
Да, конечно. Разместил их в открытом доступе на RG: https://www.researchgate.net/project/Cost-Waterflooding-Management
Я тут пытаюсь разобрать чего нагородили на курсе питона в сейсмике. Немного там и про машинку есть. Так как курс сделан на закрытых газпромовских данных, и я в нем не участвовал, то пришлось курс разбирать на "кошках" и "помидорах". Хочу переделать его под открытые норвежские данные и на гитхаб слить.
Соответственно - два вопроса - интересно ли кому это? и есть ли у кого еще какие нибудь идеи, наработки и тд и тп - по теме машиного обучения в сейсмике которые можно попробовать реализовать? хотя можно и в петрофизике, rock hysics, геомеханике и тд и тп
Интересно. А есть приблизительная структура курса? Какие задачки там рассматриваются?
видео выложены на трубе. Там 4 части.
https://www.youtube.com/watch?v=0DnEAJZ5tIY&t=48s
Машинка в 4 части. Первые три просто демонстрация работы питона с данными. Карты, поверхности, кубы, атрибуты, каротажки, инверсии - всего по немногу. Мне как не сейсмику было интересно.
В понедельник начинается питон в геомехнике у них. Но по моему уже набор закрыт.
Кто-нибудь юзал OpenCV, ReID, OpenPose? Интересна детекция не тока человека, но и его взаимодействие с оборудованием.
Сам с этими библиотеками не работал, но у моего подразделения были похожие кейсы по компьютерному зрению. На рынке уже достаточно много коммерческих решений, применимых к разным отраслям промышленности. Есть и те, которые неплохо работают для нефтянки. Если пока еще не работают, то скоро айтишники допилят свои модели, и всё заработает.
Самостоятельно нефтянику лезть во всю эту историю и изобретать велосипед по детекции позы человека не имеет смысла. Дешевле и быстрее купить готовый инструмент у каких-нибудь гигантов цифровизации (или вчерашнего стартапа).
Ну, кроме как посчитать число двуногих прямоходящих на выделенном участке и наличие / отсутствие касок на них - такие решения действительно уже есть, тот же Макроскоп пермский предлагает. Но вот если вылезти из HSE в сторону технологий, в более узкие сервиса, то там промышленных решений для нефтянки пока нет. И уж тем более наличие паттернов (правильного / хорошего) взаимодействия персонала с оборудованием, согласно техническим регламентам на эти работы + опыта факапов. И это мы ещё геологию даже не зацепляем, только лишь анализ поверхностных активностей.
Сами по себе айтишники ничего не сделают без правильного пережёвывания реальной задачи на какую-то мат.модель и далее на айтишный язык.
Ну да, полностью согласен - лезть под капот того же самого OpenCV в ужасы С++ тот ещё гемор, но вот собирание паззла из того что есть + обучение модели на реальные потоки видео типовых задач, уже вполне посильная инженерная задачка.Вопрос онтологии - кого называть айтишником, хех )) Есть айтишники после физфаков и мехматов - тут нет вопросов, фундаментальная подготовка как правило хорошо готовит мозги для усвоения архитектурных построений с последующим кодингом. Но вот щас в айти лезут кто попало, лишь бы запрыгнуть на этот блестящий задроченный на зарабатывание бабок экспресс - они ведь тоже айтишники... И кого из них больше сейчас, первых или вторых - кто бы знал...
Оффтоп: Предания былых времён гласят о том, что Вавилонская башня была разрушена страшнейшим оружием - разнообразием языков строителей сей башни. Языковый холивар на Хабре ничего не напоминает?
мне, как петрофизику как то обидно, попытавшись что то нарыть на почве машинки в своей области столкнулся с тем, что наработок нетак уж много. на весь гихаб не более несколька десятков человек, зато в сейсмике - твою дивизию. Столько всего напридумано и столько народу эти занимается...
Страницы