劉勝 李徯徯 蔣震 萬鑫

摘? 要：隨著我國企業(yè)信息化建設(shè)的不斷發(fā)展與石油勘探工作的持續(xù)深入，石油石化企業(yè)在生產(chǎn)管理智能化和勘測場景多樣化等方面面臨著更為嚴(yán)峻的挑戰(zhàn)。為應(yīng)對這些問題，塔里木油田企業(yè)將儲層預(yù)測工作劃分成巖石物理、正演模擬、特殊處理及屬性分析、疊后反演、疊前反演5個工序，通過工作流程的分布式優(yōu)化推動全局最優(yōu)，在降低解釋工作復(fù)雜度的同時，縮短項目的處理周期。在此基礎(chǔ)上，針對各質(zhì)控點制定詳細(xì)的處理工藝和精度要求，結(jié)合GeoEast-iEco數(shù)據(jù)解釋系統(tǒng)，研發(fā)一套智能質(zhì)控平臺，實現(xiàn)儲層預(yù)測的高效率和高質(zhì)量質(zhì)控。

關(guān)鍵詞：儲層預(yù)測; 分布式處理; 智能質(zhì)控；精度；質(zhì)控效率

中圖分類號：P618.1? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? ? ? 文章編號：2095-2945（2024）08-0024-05

Abstract： With the continuous development of enterprise information construction in China and the continuous deepening of oil exploration， petroleum and petrochemical enterprises are facing more severe challenges in the aspects of intelligent production management and diversification of survey scenes. In order to deal with these problems， the Tarim Oilfield Company divided the reservoir prediction work into five processes： petrophysics， forward simulation， special treatment and attribute analysis， post-stack inversion， and prestack inversion， and promoted the global optimization through the distributed optimization of workflow， while reducing the complexity of interpretation and shortening the processing cycle of the project. On this basis， this study made detailed processing technology and posed precision requirements for each quality control point and， combined with GeoEast-iEco data interpretation system， developed a set of intelligent quality control platform， in order to achieve high efficiency and high quality quality control of reservoir prediction.

Keywords： reservoir prediction; distributed processing; intelligent quality control; accuracy; quality control efficiency

近年來，隨著我國的石油勘探工作向復(fù)雜油氣藏[1]發(fā)展，對地下地質(zhì)體速度求取精度的要求越來越高，儲層預(yù)測的需求也日益增加。塔里木油田自2021年以來，平均每年負(fù)責(zé)近20多個儲層預(yù)測數(shù)據(jù)的質(zhì)控工作，每個儲層預(yù)測項目包括15個以上過程成果數(shù)據(jù)體需要質(zhì)控，工作量巨大。傳統(tǒng)的人工質(zhì)控方式存在質(zhì)控過程繁瑣化、質(zhì)控結(jié)果主觀化、質(zhì)控效率低等問題。為此，本文提出了一種基于分布式處理的儲層預(yù)測質(zhì)控系統(tǒng)。本系統(tǒng)在確保數(shù)據(jù)在傳輸過程中的安全性和完整性的同時，提高處理效率和保證結(jié)果質(zhì)量。

傳統(tǒng)的儲層預(yù)測項目通常由單獨的承包商來閉環(huán)處理其對應(yīng)的儲層預(yù)測全流程工作，包括巖石物理、正演模擬以及特殊處理及屬性分析等其他過程[2]。其中，特殊處理主要用于儲層預(yù)測數(shù)據(jù)增強(qiáng)，而其他過程則用于信息分析和解釋。工區(qū)閉環(huán)的處理模式能滿足一般的石油勘探工作，但其存在“木桶效應(yīng)”，在探索成熟區(qū)域鄰近區(qū)及新區(qū)時，面臨著解釋周期不可控以及結(jié)果質(zhì)量低等問題[3]。

儲層預(yù)測數(shù)據(jù)的安全傳輸方面，由于儲層預(yù)測數(shù)據(jù)[4]的保密性，確保項目雙方網(wǎng)絡(luò)通暢的同時，需要保障數(shù)據(jù)在傳輸過程中的安全性和完整性。虛擬專用網(wǎng)絡(luò)（Virtual Private Network，VPN）是一種通過在客戶機(jī)與網(wǎng)關(guān)之間建立加密的點對點連接的虛擬技術(shù)，可以確保數(shù)據(jù)在經(jīng)過網(wǎng)絡(luò)傳輸時的安全性。然而，對于非頁面端的數(shù)據(jù)訪問，傳統(tǒng)的質(zhì)控平臺通常依賴額外的應(yīng)用軟件進(jìn)行轉(zhuǎn)換，無法實現(xiàn)端到端的安全傳輸。

針對以上原因，本文基于儲層預(yù)測數(shù)據(jù)分布式處理新模式，結(jié)合GeoEast-iEco[5]數(shù)據(jù)解釋和處理平臺，構(gòu)建了網(wǎng)頁端一體化智能質(zhì)控平臺。該平臺實現(xiàn)了儲層預(yù)測數(shù)據(jù)處理的在線質(zhì)控功能，能夠一鍵生成質(zhì)檢表和質(zhì)量控制報告，并支持質(zhì)控項目的在線作業(yè)。同時，平臺建立了三級質(zhì)檢在線管理等功能，實現(xiàn)了儲層預(yù)測質(zhì)控流程的一體化和智能化。此外，通過建立項目專用的內(nèi)部網(wǎng)絡(luò)部署，遠(yuǎn)程用戶可以獲得安全接入地址，確保數(shù)據(jù)訪問的安全性和保密性。

1? 儲層預(yù)測數(shù)據(jù)質(zhì)控新模式

隨著勘探工作的持續(xù)進(jìn)行，所面臨的工作環(huán)境日益復(fù)雜，其難度也在不斷增加[6]。為了更有效地質(zhì)控這些數(shù)據(jù)，本文提出了一種基于分布式處理平臺的儲層預(yù)測質(zhì)控系統(tǒng)。這種系統(tǒng)通過將儲層預(yù)測全流程劃分為5個工序、15個質(zhì)控任務(wù)，實現(xiàn)了儲層預(yù)測質(zhì)控流程的一體化和智能化。

1.1? 儲層預(yù)測數(shù)據(jù)分布式處理

在本系統(tǒng)中，儲層預(yù)測包括5個主要步驟：巖石物理、正演模擬、特殊處理及屬性分析、疊后反演和疊前反演。在巖石物理階段，采用先進(jìn)的數(shù)據(jù)清洗和校正技術(shù)，以確保數(shù)據(jù)的質(zhì)量和準(zhǔn)確性。在正演模擬、特殊處理及屬性分析階段，利用大數(shù)據(jù)技術(shù)和分布式計算框架，處理儲層預(yù)測數(shù)據(jù)。在其他解釋階段，對數(shù)據(jù)進(jìn)行深入學(xué)習(xí)和復(fù)雜的數(shù)據(jù)分析，以更準(zhǔn)確地獲取層速度等信息。最后，在質(zhì)控階段，使用基于分布式處理平臺的儲層預(yù)測質(zhì)控系統(tǒng)，監(jiān)控和控制數(shù)據(jù)處理的質(zhì)量和效率。

1.2? 儲層預(yù)測質(zhì)控系統(tǒng)處理技術(shù)與精度要求

儲層預(yù)測質(zhì)控系統(tǒng)基于分布式處理平臺，實現(xiàn)了儲層預(yù)測的全流程質(zhì)控。系統(tǒng)在每個處理階段設(shè)置質(zhì)控點，并通過質(zhì)控任務(wù)對數(shù)據(jù)解釋進(jìn)行監(jiān)控和優(yōu)化。通過這種方式，保證數(shù)據(jù)解釋質(zhì)量的同時，提高項目周轉(zhuǎn)的效率。

根據(jù)多年的儲層預(yù)測項目經(jīng)驗[7]，針對塔里木盆地的實際勘探場景，本文在儲層預(yù)測數(shù)據(jù)分布式處理的基礎(chǔ)上，制定了總體處理技術(shù)要求和過程質(zhì)控要求，并從定性和定量2方面對工作精度要求制定了具體的質(zhì)控標(biāo)準(zhǔn)。針對塔里木盆地的實際場景需求，結(jié)合以往的儲層預(yù)測經(jīng)驗[8]，制定了適用于該地區(qū)的儲層預(yù)測質(zhì)控流程，并梳理了重點試驗參數(shù)。此外，還統(tǒng)一規(guī)定了相應(yīng)的測試范圍和區(qū)域的基準(zhǔn)參數(shù)[9]。表1展示了儲層預(yù)測技術(shù)的部分要求，從而保障儲層預(yù)測的高質(zhì)量，對各個質(zhì)控模塊的實現(xiàn)進(jìn)行具體化和模塊化。

1.3? 過程質(zhì)控要求

對于儲層預(yù)測數(shù)據(jù)，以往質(zhì)控方式人為主觀判斷的因素較多，對質(zhì)控結(jié)果存在一定程度干擾。通過三級質(zhì)檢的方式，可以極大降低人為因素所帶來的影響，以改善抽檢的質(zhì)量[10]。為了確保儲層預(yù)測的高質(zhì)量，針對每個項目采用三級質(zhì)檢的方式完成項目檢驗，明確規(guī)定各個任務(wù)的關(guān)鍵步驟的檢驗點，制定合格標(biāo)準(zhǔn)以及不同級別的抽檢率標(biāo)準(zhǔn)，具體質(zhì)檢流程如下。

一級質(zhì)檢：由項目承包商自行進(jìn)行自檢，確保自檢率達(dá)到100%。

二級質(zhì)檢：由項目監(jiān)督方進(jìn)行抽檢，抽檢率不低于工序中定義的抽檢率要求。

三級質(zhì)檢：由專業(yè)化小組進(jìn)行抽檢，抽檢率不低于工序中定義的抽檢率要求。

同時，對每個質(zhì)控點賦予不同的權(quán)重，以便根據(jù)各個質(zhì)控點的考核情況進(jìn)行綜合量化評價。按照從上到下逐級抽檢的方式，最終的合格率將根據(jù)三級質(zhì)檢的合格率相乘得出。

2? 智能質(zhì)控平臺建設(shè)

基于儲層預(yù)測數(shù)據(jù)分布式處理的組織模式，在降低勘探工作難度的同時，縮短了整體工作周期。然而，在質(zhì)控方面，傳統(tǒng)的質(zhì)控工作由于沒有統(tǒng)一的處理軟件，數(shù)據(jù)需要在不同平臺軟件之間進(jìn)行傳輸[11]，造成資源浪費的同時，也大大影響了工作人員的質(zhì)控效率以及項目的進(jìn)度。同時，現(xiàn)有的質(zhì)檢方式大都采用線下的方式進(jìn)行，這導(dǎo)致了質(zhì)控流程冗長、數(shù)據(jù)遷移困難等問題。為了解決以上問題，本文基于儲層預(yù)測數(shù)據(jù)分布式處理的組織模式搭建一體化智能質(zhì)控平臺，以實現(xiàn)儲層預(yù)測數(shù)據(jù)處理項目的在線遠(yuǎn)程質(zhì)控，保障整個質(zhì)控流程的質(zhì)量和效率。

2.1? 總體設(shè)計

一體化智能質(zhì)控平臺的搭建從數(shù)據(jù)載入、功能構(gòu)建、用戶定制以及應(yīng)用效果四個方面進(jìn)行考慮。在數(shù)據(jù)載入方面，對于GeoEast-iEco平臺所處理的數(shù)據(jù)進(jìn)行在線載入，而其他處理軟件則需要離線載入；在功能構(gòu)建方面，實現(xiàn)質(zhì)檢進(jìn)度管理、質(zhì)控報告及質(zhì)檢記錄等功能；在用戶定制方面，實現(xiàn)項目承包商、監(jiān)督方以及監(jiān)督用戶聯(lián)合保障質(zhì)檢；在應(yīng)用效果方面，實現(xiàn)在線遠(yuǎn)程質(zhì)控、質(zhì)控結(jié)果展示和定量評價。

2.2? 技術(shù)框架

為了提高儲層預(yù)測數(shù)據(jù)質(zhì)控的效率，本文基于GeoEast-iEco平臺搭建了一個并行計算結(jié)構(gòu)，該結(jié)構(gòu)包括存儲層、資源管理與作業(yè)調(diào)度層、并行框架層、質(zhì)檢算法層以及交互層。

在存儲層方面，采用了多維度動態(tài)道頭索引機(jī)制、緩存機(jī)制以及分布式讀寫機(jī)制，以實現(xiàn)高速數(shù)據(jù)讀取的能力。資源管理與作業(yè)調(diào)度層利用集群資源管理技術(shù)，確保算法能夠快速執(zhí)行。并行框架層負(fù)責(zé)批量計算各類質(zhì)檢模塊。質(zhì)檢算法層則負(fù)責(zé)進(jìn)行質(zhì)檢的定量計算。最后，交互層采用GeoToolkit組件[12]為用戶提供各類地震成像展示、質(zhì)檢報告生成等交互功能。

通過這樣的并行計算結(jié)構(gòu)，能夠提高儲層預(yù)測數(shù)據(jù)處理的效率，使得儲層預(yù)測數(shù)據(jù)的質(zhì)檢工作更加高效準(zhǔn)確。

為確保儲層預(yù)測數(shù)據(jù)的安全性和完整性，采取了一系列安全措施。首先，部署了一個專用的內(nèi)部網(wǎng)絡(luò)，使甲方員工能夠安全地訪問乙方公司的內(nèi)部質(zhì)控平臺服務(wù)器和Geoeast服務(wù)器，同時滿足甲方質(zhì)檢員異地訪問的需求。

在實現(xiàn)這一目標(biāo)時，乙方公司在公網(wǎng)IP上部署一個VPN路由器[13]，以便快速、便捷地實現(xiàn)異地用戶對乙方公司內(nèi)網(wǎng)的訪問。不論用戶是在手機(jī)終端還是其他區(qū)域局域網(wǎng)用戶，都可以通過PPTP/L2TP協(xié)議進(jìn)行訪問，并且訪問數(shù)據(jù)會進(jìn)行加密，直接進(jìn)入公司內(nèi)網(wǎng)的質(zhì)控平臺服務(wù)器，從而實現(xiàn)協(xié)同工作。

通過這樣的安全措施，能夠確保儲層預(yù)測數(shù)據(jù)在項目雙方網(wǎng)絡(luò)中的暢通無阻，同時保證數(shù)據(jù)的安全性和完整性。用戶可以安心地進(jìn)行遠(yuǎn)程訪問，并參與質(zhì)控工作。

2.3? 質(zhì)控作業(yè)批處理

對于質(zhì)控作業(yè)的批處理，基于MapReduce框架[14]Map階段負(fù)責(zé)對數(shù)據(jù)進(jìn)行分塊處理，而Reduce階段負(fù)責(zé)數(shù)據(jù)的歸并處理。通過這種方式，可以有效地完成質(zhì)控作業(yè)的批處理。

用戶可以通過前端界面監(jiān)管作業(yè)參數(shù)和狀態(tài)，查看儲層預(yù)測數(shù)據(jù)和質(zhì)控項目的展示等功能。通過這個前端網(wǎng)頁，用戶可以方便地管理和監(jiān)控質(zhì)控作業(yè)的進(jìn)度，并且查看相關(guān)數(shù)據(jù)和項目的展示。

3? 實現(xiàn)效果

3.1? 全量質(zhì)控

根據(jù)質(zhì)控指標(biāo)以及定量檢測質(zhì)控要求，從點、線、面及切片4個維度對儲層預(yù)測數(shù)據(jù)進(jìn)行效果的對比分析。圖1的左側(cè)展示了執(zhí)行波場分離后的Z分量在去噪前后時的對比，圖的右側(cè)展示了Z分量[15]在去噪前后的單炮信噪比，從圖中可以看出，Z分量的噪聲在去噪后從53.88%降低為44.07%，而信號占比從45.61%提高到55.32%?；谂幚硭惴K和內(nèi)置信噪比計算模塊，實現(xiàn)儲層預(yù)測數(shù)據(jù)的快速信噪比分析計算；同時在Web前端頁面，實現(xiàn)分布式遠(yuǎn)程信噪比分析計算功能，滿足了儲層預(yù)測數(shù)據(jù)處理解釋過程質(zhì)量控制對信噪比分析計算的需求。

在測井時獲得的曲線，可反映出不同巖性、層位特征，相同區(qū)域測井曲線反映了本區(qū)域的地質(zhì)特征，具有一定的規(guī)律性，通過定性展示特定區(qū)域的聯(lián)井曲線可以對測井曲線質(zhì)量進(jìn)行定性質(zhì)控。圖2展示了巖石物理質(zhì)控中的測井曲線[16]圖，其中，數(shù)據(jù)源為縱波層速度、橫波層速度、密度曲線等，可以定性分析測井曲線特征與巖性的吻合程度，為后續(xù)處理解釋工作提供了質(zhì)量參考。

3.2? 三級質(zhì)檢在線管理

經(jīng)由本平臺創(chuàng)建的質(zhì)控項目支持三級質(zhì)檢的線上管理，質(zhì)控項目信息包括油田質(zhì)檢人員、項目承包人員以及專業(yè)監(jiān)督人員，由甲方提供質(zhì)檢需求，乙方進(jìn)行質(zhì)控意見的在線反饋，數(shù)據(jù)經(jīng)由內(nèi)部專用網(wǎng)絡(luò)進(jìn)行存儲和轉(zhuǎn)發(fā)，并通過質(zhì)控平臺查看相關(guān)質(zhì)控數(shù)據(jù)報告以進(jìn)行在線審核。

3.3? 質(zhì)控報告在線生成

傳統(tǒng)的質(zhì)控記錄工作通常是線下進(jìn)行的，工作人員需要依賴專業(yè)軟件來記錄質(zhì)檢數(shù)據(jù)，例如質(zhì)檢數(shù)量、合格率等，并且需要進(jìn)行線下的人工簽字。為了解決這個問題，智能質(zhì)控平臺構(gòu)建了一個網(wǎng)頁端的系統(tǒng)，可以在線生成質(zhì)檢記錄和質(zhì)控報告。

針對質(zhì)檢過程的在線記錄，系統(tǒng)能夠自動獲取質(zhì)檢用戶的信息以及所有的操作，并生成質(zhì)檢記錄表。在這個過程中，系統(tǒng)會完成定量質(zhì)控，而質(zhì)檢人員則負(fù)責(zé)定性判斷。質(zhì)檢表中的關(guān)鍵字段由平臺根據(jù)相應(yīng)的數(shù)據(jù)自動生成，這不僅提高了質(zhì)控處理的效率，也避免了人為主觀因素的影響。

另外，針對質(zhì)控報告的在線生成，平臺會將質(zhì)控點的處理數(shù)據(jù)進(jìn)行存儲，并按照指定的模板生成相應(yīng)的質(zhì)控報告文檔。報告中會說明檢驗標(biāo)準(zhǔn)以及質(zhì)控結(jié)果是否合格，從而簡化了工作人員的報告流程。

4? 結(jié)束語

通過對儲層預(yù)測數(shù)據(jù)分布式處理組織模式的探索，成功地制定了質(zhì)控處理技術(shù)體系，并在此基礎(chǔ)上搭建了一體化智能質(zhì)控平臺。平臺實現(xiàn)了在線質(zhì)控、遠(yuǎn)程質(zhì)控、三級質(zhì)檢在線管理、質(zhì)控報告和質(zhì)檢記錄的在線生成等功能，大大提高了質(zhì)量和效率。研究結(jié)果表明，智能質(zhì)控平臺對于改善質(zhì)控流程、提升效率和質(zhì)量具有重大價值。后續(xù)將進(jìn)一步探索這個領(lǐng)域，包括利用深度學(xué)習(xí)技術(shù)如ResNet和GAN等深度神經(jīng)網(wǎng)絡(luò)，來提高質(zhì)控處理結(jié)果的精度。

參考文獻(xiàn)：

[1] 滕吉文，司薌，王玉辰.我國化石能源勘探，開發(fā)潛能與未來[J].石油物探，2021，60（1）：1-12.

[2] 李虹，蔡希玲，王學(xué)軍，等.海量地震數(shù)據(jù)處理方案與技術(shù)發(fā)展趨勢[J].中國石油勘探，2014，19（4）：48-55.

[3] 李鐵柱，韓文娜，王鐵成.VSP數(shù)據(jù)管理質(zhì)量控制方法探討[J].中國信息界，2012（10）：41-43.

[4] HORNBY B E， YU J， SHARP J A， et al. VSP： Beyond time-to-depth[J]. The Leading Edge， 2006，25（4）：446-452.

[5] 王子蘭，王仕儉，李素閃，等.GeoEast處理解釋一體化應(yīng)用[J].天然氣工業(yè)，2007（S1）：222-224.

[6] WANG X-W， QIN G-S， ZHAO W-F， et al. The application of forward modeling technique in seismic acquisition de-sign[J]. Progress in Geophysics， 2012，27（2）：642-650.

[7] WANG H， LI M， SHANG X. Current developments on micro-seismic data processing[J]. Journal of Natural Gas Science and Engineering， 2016（32）：521-537.

[8] 王喜雙，趙邦六，董世泰，等.油氣工業(yè)地震勘探大數(shù)據(jù)面臨的挑戰(zhàn)及對策[J].中國石油勘探，2014，19（4）：43.

[9] LONGDE S， CHAOLIANG F， LIMING S， et al. Innovation and prospect of geophysical technology in the exploration of deep oil and gas[J]. Petroleum Exploration and Development， 2015，42（4）：454-465.

[10] 郭樹祥，王立歆，韓文功.疊前地震數(shù)據(jù)優(yōu)化處理技術(shù)分析[J].石油物探，2006，45（5）：497-502.

[11] 冷廣升.地震數(shù)據(jù)采集質(zhì)量控制方法研究與應(yīng)用[J].中國煤炭地質(zhì)，2010，22（S1）：67-72，76.

[12] BALOVNEV O， BODE T， BREUNIG M， et al. The story of the GeoToolKit-an object-oriented geodatabase kernel system[J]. GeoInformatica， 2004，8（1）：5-47.

[13] SINGH K K V， GUPTA H. A New Approach for the Se-curity of VPN[C]//Proceedings of the Second International conference on Information and Communication Technology for Competitive Strategies， 2016：1-5.

[14] DEAN J， GHEMAWAT S. MapReduce： simplified data processing on large clusters[J]. Communications of the ACM， 2008，51（1）：107-113.

[15] LU J， WANG Y， CHEN J， et al. P-and S-mode separation of three-componentdata[J]. Exploration Geophysics， 2019，50（4）：430-448.

[16] MATEEVA A， ZWARTJES P. Depth calibration of DAS channels： A new data-driven method[C]//79th EAGE Conference and Exhibition 2017，2017：1-5.