Skip to content

ShaleIQ

ShaleIQ™ 是一款专为非常规油气储层设计的物理驱动型高级预测工具。
通过利用现有的模拟数据,ShaleIQ™ 提供了快速的物理驱动生产预测,旨在提高作业效率并降低成本。



 机器学习方法

 

典型井拟合专用技术 

利用专有技术进行典型井拟合,分析新井和老井干扰,优化井距和时机,最大化资产估值和产能。

Untitled-2-2-1536x1024
shaleIQ2


 分析及经验方法

 

快速分析与井距研究

体验基于物理的数值方法的准确性和鲁棒性,同时享受分析和经验方法的速度和效率。利用人工智能构建基于物理的典型井产量模型,以准确和快速地预测和模拟井间干扰。

通过创建并运行数千次不同的模拟运行来训练人工智能模型,以捕捉基于物理的参数和现象的影响,如井干扰和压力衰竭,以便更快地做出决策。



 优化生产预测

 

利用AI模型增强决策能力 

利用易于获取的数据做出明智决策,以最大化业务效率。高效地利用公共数据或客户数据输入,对模型进行微调,确保其与历史生产数据相匹配。

利用这些数据来精准预测未来的生产趋势,并据此优化井位布局、调整加密井井距以及确定最佳的开发时机。

shaleIQ3

优 势

功 能

  • 基于AI的分析技术减少了数据密集型的输入,并能够快速估算未开发钻探位置的潜在价值。

  • 优化井间距并管理储层降压衰竭以维持持续生产。

  • 在储量报告中提供高质量和完整性,解决非常规储层的油藏工程挑战。

  • 便捷井距研究和投资评估,以最大化新井经济效益。

  • 分析储层数据和裂缝几何形状,以制定最优的开发策略

  • 通过快速数据分析做出明智决策,最大化加密井的经济回报。

  • 评估压裂改造体积(SRV)及井间干扰,以最大化油气产量并预测基于实际物理情况的开发指标。

  • 使用已发布并经同行认可的数据和各种参数构建鲁棒且准确的模型。

  • 通过多个作业者的核心数据和公开数据验证的参数获取数据取值范围。

  • 基于模拟模型和现实油田场景的Python计算。

  • 在几分钟内对数千口井进行敏感性分析,以实现油田开发的准确优化。

  • 应对非常规开发中与井间干扰和压力衰竭相关的挑战。

Designed using Magazine News Byte. Powered by WordPress.