Автоматизированная количественная оценка и обновление геологической неопределённости на основе Монте-Карло с данными скважин (AutoBEL v1.0)

Квантирование геологической неопределённости имеет решающее значение для моделирования и прогнозирования подсоляных систем — водоносных горизонтов, нефтегазовых и геотермальных ресурсов — и должно постоянно обновляться по мере поступления новых данных. Мы представляем автоматизированный метод количественной оценки и обновления геологических моделей с использованием данных скважин в байесовской рамке. Наши методологии разработаны в рамках протокола Bayesian evidential learning для количественной оценки неопределённости. В этой рамке недавно полученные данные скважин напрямую и совместно обновляют геологические модели (структуру, литологию, петрофизику и флюиды) как глобально, так и пространственно, без трудоёмкой перестройки моделей. Для решения указанных задач сначала формируется ансамбль априорных геологических моделей методом Монте-Карло из априорных распределений. После тестирования априорного ансамбля посредством процесса фальсификации выполняется последовательное прямое прогнозирование для совместного количественного описания неопределённости. Прямое прогнозирование — это метод статистического обучения, который на основе серии биективных преобразований устанавливает «Байесово-линейно-гауссовы» статистические взаимосвязи между переменными модели и данными. Эти статистические взаимосвязи, обусловленные фактическими измерениями в скважинах, позволяют быстро вычислять апостериорные геологические модели. Предложенная рамка полностью автоматизирована в проекте с открытым исходным кодом. Мы демонстрируем её применение на типичном наборе данных газового месторождения. Апостериорные результаты показывают значительное уменьшение неопределённости как пространственной геологической модели, так и прогноза объёма газа, и не могут быть фальсифицированы новыми наблюдениями в скважинах. Кроме того, наша автоматизированная рамка эффективно завершает весь процесс количественной оценки неопределённости для таких крупных моделей.