Anwendungen des maschinellen Lernens in der Simulation von Untergrundreservoirs—Eine Übersicht—Teil I

In den letzten Jahren ist maschinelles Lernen (ML) zu einem Schlagwort in der Erdölindustrie geworden, mit zahlreichen Anwendungen, die Ingenieure bei besseren Entscheidungen unterstützen. Das leistungsstärkste Werkzeug, auf das die meisten Entscheidungen zur Produktionsentwicklung angewiesen sind, ist die Reservoirsimulation mit Anwendungen in zahlreichen Modellierungsverfahren, wie individuellen Simulationsläufen, Geschichtsabgleich und Produktionsprognose sowie -optimierung. Allerdings führen all diese Anwendungen zu erheblichen Rechenzeiten und den damit verbundenen Kosten für Computerressourcen, wodurch Reservoirsimulatoren nicht schnell und robust genug erscheinen, was die Notwendigkeit für zeiteffizientere und intelligentere Werkzeuge wie ML-Modelle hervorhebt, die in der Lage sind, sich anzupassen und schnelle sowie kompetente Ergebnisse zu liefern, die die Leistung des Simulators innerhalb einer akzeptablen Fehlermarge nachahmen. Der erste Teil der vorliegenden Studie (Teil I) bietet eine detaillierte Übersicht über ML-Techniken in der Erdölindustrie, insbesondere in der Simulation von Untergrundreservoirs, für die Fälle von individuellen Simulationsläufen und Geschichtsabgleich, während die ML-basierten Anwendungen zur Produktionsprognoseoptimierung in Teil II behandelt werden. Diese Übersicht kann Ingenieuren als vollständige Quelle für angewandte ML-Techniken dienen, da ML mit der Generierung groß angelegter Daten in den täglichen Aktivitäten zu einer Notwendigkeit für zukünftige und effizientere Anwendungen wird.