用于钻前复杂地质预测的深度学习
机器学习
2021-11-16 v1 机器学习
摘要
在地质导向作业中，井眼轨迹会根据钻进过程中获取的新数据有意进行调整。为了实现一致的高质量决策，尤其在复杂环境中钻进时，决策支持系统可帮助应对海量数据与解释复杂性。它们能将实时测量数据同化至概率地球模型中，并利用更新后的模型给出决策建议。近年来，机器学习（ML）技术已催生出一系列将计算成本从在线计算重新分配至离线计算的方法。本文将上述两类ML技术引入地质导向决策支持框架。首先，利用生成对抗网络（GAN）生成复杂的地球模型表示。其次，利用前向深度神经网络（FDNN）表示商用超深电磁模拟器。数值实验表明，在集成随机最大似然数据同化方案中结合GAN与FDNN，可提供复杂地质不确定性的实时估计。这实现了基于井筒后方及周围所采集的测量数据，降低钻头前方地质不确定性的目的。
引用
@article{arxiv.2104.02550,
title = {Deep learning for prediction of complex geology ahead of drilling},
author = {Kristian Fossum and Sergey Alyaev and Jan Tveranger and Ahmed Elsheikh},
journal= {arXiv preprint arXiv:2104.02550},
year = {2021}
}
备注
Accepted to ICCS 2021