DEEP LEARNING BASED RESERVOIR MODELING

• Main Authors: CHAUDHARY, NARESH, ETIENNE, JAMES, RANGARAJAN, KESHAVA PRASAD, YARUS, JEFFREY MARC, SRINIVASAN, NAGARAJ, PANDEY, YOGENDRA NARAYAN
• Format: Patent
• Language: English; French
• Published: 05.09.2023
• Subjects: CALCULATING; COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS; COMPUTING; COUNTING; DETECTING MASSES OR OBJECTS; GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; MEASURING; PHYSICS; TESTING

Embodiments of the subject technology for deep learning based reservoir modelling provides for receiving input data comprising information associated with one or more well logs in a region of interest. The subject technology determines, based at least in part on the input data, an input feature associated with a first deep neural network (DNN) for predicting a value of a property at a location within the region of interest. Further, the subject technology trains, using the input data and based at least in part on the input feature, the first DNN. The subject technology predicts, using the first DNN, the value of the property at the location in the region of interest. The subject technology utilizes a second DNN that classifies facies based on the predicted property in the region of interest. Des modes de réalisation de l'invention concernent la modélisation de réservoir basée sur un apprentissage profond permettant de recevoir des données d'entrée comprenant des informations associées à une ou plusieurs diagraphies de puits dans une zone d'intérêt. La technologie de l'invention détermine, d'après au moins en partie les données d'entrée, une caractéristique d'entrée associée à un premier réseau neuronal profond (DNN) permettant de prédire une valeur d'une propriété au niveau d'un emplacement dans la zone d'intérêt. De plus, la technologie de l'invention permet d'apprendre le premier DNN à l'aide des données d'entrée et d'après au moins en partie la caractéristique d'entrée. La technologie de l'invention permet de prédire la valeur de la propriété au niveau de l'emplacement dans la zone d'intérêt à l'aide du premier DNN. La technologie de l'invention utilise un second DNN qui classe des faciès d'après la propriété prédite dans la zone d'intérêt.