Processing

Please wait...

Settings

Settings

Goto Application

1. WO2021146410 - TRAINING OF MACHINE LEARNING ALGORITHMS FOR GENERATING A RESERVOIR DIGITAL TWIN

Publication Number WO/2021/146410
Publication Date 22.07.2021
International Application No. PCT/US2021/013419
International Filing Date 14.01.2021
IPC
E21B 43/00 2006.1
EFIXED CONSTRUCTIONS
21EARTH OR ROCK DRILLING; MINING
BEARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
43Methods or apparatus for obtaining oil, gas, water, soluble or meltable materials or a slurry of minerals from wells
E21B 41/00 2006.1
EFIXED CONSTRUCTIONS
21EARTH OR ROCK DRILLING; MINING
BEARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
41Equipment or details not covered by groups E21B15/-E21B40/95
Applicants
  • SAUDI ARABIAN OIL COMPANY [SA]/[SA]
  • ARAMCO SERVICES COMPANY [US]/[US] (AG)
Inventors
  • AL-NASSER, Mamdouh N.
  • AL SULAIMAN, Ahmed A.
Agents
  • BRUCE, Carl E.
  • IYER, Sushil
  • COX, Michael E.
  • DEAN, Sean M.
  • WERNLI, Matthew K.
Priority Data
16/744,62816.01.2020US
Publication Language English (EN)
Filing Language English (EN)
Designated States
Title
(EN) TRAINING OF MACHINE LEARNING ALGORITHMS FOR GENERATING A RESERVOIR DIGITAL TWIN
(FR) FORMATION D'ALGORITHMES D'APPRENTISSAGE AUTOMATIQUE POUR GÉNÉRER UN DOUBLE NUMÉRIQUE DE RÉSERVOIR
Abstract
(EN)
Methods for training machine learning algorithms for generation of a reservoir digital twin include receiving information obtained from hydrocarbon wells. The information includes porosity logs, petrophysical data, rock typing data, pressure transient test results, vertical production logs, reservoir pressure logs, reservoir saturation logs, production performance, and injection performance. The reservoir saturation logs are normalized in accordance with time. A machine learning algorithm is trained using the reservoir pressure logs, the production performance, and the injection performance to provide variations in reservoir pressure of the hydrocarbon reservoir in accordance with time. The machine learning algorithm is trained to provide variations in reservoir saturation of the hydrocarbon reservoir in accordance with time. The machine learning algorithm is trained using the reservoir saturation logs, the vertical production logs, the production performance, the injection performance, the reservoir pressure logs, and the petrophysical data.
(FR)
Des procédés de formation d'algorithmes d'apprentissage machine pour la génération d'un double flux numérique de réservoir comprennent la réception d'informations obtenues à partir de puits d'hydrocarbures. Les informations comprennent des diagraphies de porosité, des données pétrophysiques, des données de typage de roche, des résultats de test transitoire de pression, des diagraphies de production verticales, des diagraphies de pression de réservoir, des diagraphies de saturation de réservoir, des performances de production et des performances d'injection. Les diagraphies de saturation de réservoir sont normalisées en fonction du temps. Un algorithme d'apprentissage automatique est formé à l'aide des diagraphies de pression de réservoir, des performances de production et des performances d'injection pour fournir des variations de pression de réservoir du réservoir d'hydrocarbures en fonction du temps. L'algorithme d'apprentissage automatique est formé pour fournir des variations de saturation de réservoir du réservoir d'hydrocarbures en fonction du temps. L'algorithme d'apprentissage automatique est formé à l'aide des diagraphies de saturation de réservoir, des diagraphies de production verticales, des performances de production, des performances d'injection, des diagraphies de pression de réservoir et des données pétrophysiques.
Latest bibliographic data on file with the International Bureau