Tilbake til søkeresultatene

PETROMAKS2-Stort program petroleum

Machine learning in geoscience

Alternativ tittel: Machine learning in geoscience

Tildelt: kr 7,0 mill.

I dette prosjektet har vi utviklet EarthNET som er en cloud-nativ plattform laget for å styrke geologers arbeid med AI teknologi. EarthNET leverer datadrevet beslutninger til geologer, reservoaringeniører og E&P beslutningstakere, som gir dem muligheten til å forstå undergrunnen og evnen til å oppdatere undergrunnsmodeller med en bedre nøyaktighet og effektivitet. Petrofysikere, geofysikere, geologer, seismikk tolkere og E&P generalister kan enkelt anvende avansert AI datavitenskaplig teknologi for å maksimere verdien av deres data og bygge et sterkt fundament for å utføre datadrevet beslutninger. EarthNET kobler brukerne opp mot energi selskapets interne og eksterne data resurser, med kraftige prosesseringskraft og AI drevet geovitenskapelige applikasjoner. Denne konnektiviteten og de integrerte applikasjonene i EarthNET frigjør brukeren fra data og disiplin siloer som skaper en frigjort og fullintegrert kryssdisiplinær analytisk workflow. EarthNET er en plattform som tilbyr et integrert sett med AI-drevende applikasjoner. Det integrert systemet gir geologene tilgang til all relevant data som kan bidra til ny kunnskap for å skape 3D egenskaps modeller og for å beregne data-drevende sannsynlighets volumer for prospekter og produserende reservoarer. Hoved fokuset med plattformen har vært å tilby datadrevet beslutnings støtte til geologer og beslutningstakere, her er et knippe av de viktigste applikasjonene: EarthBANK: EarthNET gir brukeren tilgang til EarthBANK som er en ML-Ready database. Databasen inkluderer «Data-Packs» tilgjengeliggjort av Earth Science Analytics, selskapets egne data og «Data-Packs» fra tredje parts leverandører. EarthAI Wells: Med EarthNETs applikasjon for brønndata kan geologer raskt identifisere områder i brønnen med gode bergart og fluid egenskaper og estimere manglende intervaller i brønnen. EarthAI 3D property prediction: Med 3D prediksjons verktøyet kan geologen raskt beregne høykvalitets bergart og fluid egenskaps kuber, enten som en funksjon av invertert seismisk data, eller som en funksjon av partial-stack kuber. Partial-stacks blir brukt til modellens egenskaper og labels blir skapt av egenskapskurver i brønnen. EarthAI seismic interpretation: Automatic Seismic Interpretation (ASI) kan redusere tiden geologen bruker på å tolke seismikken med en faktor >10. Geologer kan enkelt trene eller legge til ML modeller for automatisk tolkning av refleksjoner og forkastninger. Oppgaver som tidligere tok uker eller måneder kan nå gjøres på dager, kvaliteten på tolkningene vil også være forbedret. Brukeren kan bruke sine egne labels eller bruke en av våre pre trente ASI modeller tilgjengelig i EarthNET.

Resultatene fra PM2-prosjektet viser at det er mulig å anvende de enorme datamengdene som lenge har ligget ubrukt med ML-teknologi. Per i dag kan teknologien gjøre mange av oppgavene vi så for oss ved prosjektstart. Vi kan blant annet autotracke krevende horisonter og forkastninger som var utenkelig bare for noen år siden. Missed pay project Vi har gjennomført brønn analysere av over 8 000 brønner på norsk sokkel med vår ML-teknologi. Teknologien identifiserte over 200 intervaller med olje som mennesker ikke klarte å identifisere, altså geologen klarte ikke anvende de store datamengdene. Studiet ble også utført på relativt kort tid ettersom det krevde minimalt med menneskelig interaksjon. Tidligere måtte geologen blant annet gjette på mineraltetthet for hver seksjon som skulle analyseres.

Today a geoscientists spend 70 % of his or her time on seismic interpretation. Our proposed technology will, in short, allow automatic structural, stratigraphic and lithologic interpretation from seismic data in order to determine important geological formations such as faults, horizons, and geobodies such as salt domes, channels and other lithostratigraphic units. Furthermore, by utilizing deep neural networks we will be able to automatically infer rock and fluid properties from partial-stack and pre-stack seismic, which traditionally are extracted from cumbersome inversion techniques. We will combine the new proposed technology for seismic interpretation with EarthNETs current rock- and fluid property analytics from well data to provide accurate data driven decision support for petroleum exploration. Our approach to geoscience will in contrast to traditional methods be able to utilize the entirety of the available raw data that has been gathered since the beginning. This will not only dramatically increase the accuracy of the analysis, but do so in a fraction of the time compared to the traditional prospecting and exploration process. Our approach to geoscience represents a new paradigm for the entire industry and has the potential to revolutionize how hydrocarbon exploration is performed.

Budsjettformål:

PETROMAKS2-Stort program petroleum