CN109558615B - 油气勘探决策树分析方法及*** - Google Patents
油气勘探决策树分析方法及*** Download PDFInfo
- Publication number
- CN109558615B CN109558615B CN201710892663.2A CN201710892663A CN109558615B CN 109558615 B CN109558615 B CN 109558615B CN 201710892663 A CN201710892663 A CN 201710892663A CN 109558615 B CN109558615 B CN 109558615B
- Authority
- CN
- China
- Prior art keywords
- probability
- exploration
- decision tree
- success
- geological
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Algebra (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
公开了一种油气勘探决策树分析方法及***。该方法可以包括:确定多个地质条件,根据每个地质条件的成功概率计算勘探目标的地质成功概率,作为直接钻井的成功概率P;根据现有资料确定评价后钻井的各种实施结果所对应的概率Pr;以直接钻井和评价后钻井作为待选勘探实施方案,获取每种实施方案的预期收益和成本;基于待选勘探实施方案、成功概率P和概率Pr以及相应的预期收益和成本,绘制决策树;计算决策树的每个结果节点的期望值;确定期望值最大的结果节点,并根据决策树确定最优的勘探实施方案。本发明考虑项目相关性的影响,快速准确地计算出最优勘探部署决策路径。
Description
技术领域
本发明涉及油气勘探部署决策分析领域,更具体地,涉及一种油气勘探决策树分析方法及***。
背景技术
油气资源勘探是一种风险较大的投资密集型工业活动。在油气资源勘探中,从始到终都贯串着决策,面临的勘探决策问题相当复杂。一般来说,一种勘探方案可能有多种勘探结果,它们的效益可能相差极大。一旦出现勘探决策的失误,极有可能导致严重的经济后果。因此,研究勘探决策问题和建立符合市场经济规律的勘探决策方法是非常重要的,也是迫切需要的。
一直以来,人们对勘探部署决策分析在油气勘探中的应用在不同方面不同层次都有研究,张寄良从勘探决策的重要性及决策的理论和方法出发,确立了经济效益为最优的决策准则,提出了以经济效益为核心,以统计、信息、控制为基础,以动态学为方法的勘探、开发市场一体化的油气资源勘探决策***(张寄良.油气资源勘探决策***——勘探、开发、市场一体化评价初探.石油实验地质,2001,23(2))。范阳等以油气规模概率分布规律的研究为基础,建立了一个数学规划优化模型,实现了勘探的定量决策,不仅考虑了企业对揭示储量的规划要求,又考虑了企业资金投入的约束,并且完全将油气勘探企业作为一个相对独立的经营实体进行核算,对油气勘探决策的科学性具有一定指导意义(范阳、金之钧、华泽澎.一种油气勘探决策模型的建立.勘探家,1998,3(3))。成金华等在总结国内外石油勘探投资项目分析理论和经验作法的基础上,从经济效益和资源效益角度出发研究了石油勘探决策分析***(成金华,郭凤鸣,覃家君等.石油勘探决策分析***.中国地质矿产经济,1995(4))。这些研究虽然一定程度上在勘探部署决策中都考虑到了经济效益,但是基本都是对单一勘探项目进行决策分析,并没有考虑目标之的地质相关性以及勘探项目信息成本对决策结果的影响。因此,有必要开发一种油气勘探决策树分析方法及***。
发明内容
本发明提出了一种油气勘探决策树分析方法及***,考虑项目相关性的影响,快速准确地计算出最优勘探部署决策路径。
根据本发明的一方面,提出了一种油气勘探决策树分析方法。所述方法可以包括:确定多个地质条件,根据每个地质条件的成功概率计算勘探目标的地质成功概率,作为直接钻井的成功概率P;根据现有资料确定评价后钻井的各种实施结果所对应的概率Pr;以直接钻井和评价后钻井作为待选勘探实施方案,获取每种实施方案的预期收益和成本;基于所述待选勘探实施方案、所述成功概率P和概率Pr以及相应的预期收益和成本,绘制决策树;计算决策树的每个结果节点的期望值;确定期望值最大的结果节点,并根据所述决策树分支确定最优的勘探实施方案。
优选地,所述评价后钻井为地震解释后钻井。
优选地,所述多个地质条件包括烃源条件、运移条件、圈闭条件、保存条件。
优选地,通过公式(1)计算所述勘探目标的地质成功概率:
P=Pc*Pi (1)
其中,P为勘探目标的地质成功概率,Pc为全局地质条件的成功概率,Pi为独立地质条件的成功概率。
优选地,根据公式(2)计算所述期望值:
EV=Psuccess*PV-Pfailure*Cost (2)
其中,EV为期望值,Psuccess为钻井成功概率,PV为现值,Pfailure为钻井失败概率,Cost为成本,Psuccess+Pfailure=1。
优选地,还包括:以圈闭条件作为第一级机会节点,以地震解释结果作为第二级机会节点,建立后验辅助决策树;基于圈闭条件的存在概率和地震解释结果异常的概率,根据贝叶斯公式计算辅助决策树的每个结果节点的概率值;以地震解释结果作为第一级机会节点,以圈闭条件作为第二级机会节点,对所述辅助决策树进行先验逆转;基于每个结果节点的概率值以及地震解释结果异常的概率,计算地震解释结果异常情况下存在圈闭条件的概率Po;如果概率Po大于预定值,则判断所述勘探目标适宜勘探,否则判断断所述勘探目标不适宜勘探。
根据本发明的另一方面,提出了一种油气勘探决策树分析***,可以包括:存储器,存储有计算机可执行指令;处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:确定多个地质条件,根据每个地质条件的成功概率计算勘探目标的地质成功概率,作为直接钻井的成功概率P;根据现有资料确定评价后钻井的各种实施结果所对应的概率Pr;以直接钻井和评价后钻井作为待选勘探实施方案,获取每种实施方案的预期收益和成本;基于所述待选勘探实施方案、所述成功概率P和概率Pr以及相应的预期收益和成本,绘制决策树;计算决策树的每个结果节点的期望值;确定期望值最大的结果节点,并根据所述决策树确定最优的勘探实施方案。
优选地,所述评价后钻井为地震解释后钻井。
优选地,所述多个地质条件包括烃源条件、运移条件、圈闭条件、保存条件。
优选地,还包括:以圈闭条件作为第一级机会节点,以地震解释结果作为第二级机会节点,建立后验辅助决策树;基于圈闭条件的存在概率和地震解释结果异常的概率,根据贝叶斯公式计算辅助决策树的每个结果节点的概率值;以地震解释结果作为第一级机会节点,以圈闭条件作为第二级机会节点,对所述辅助决策树进行先验逆转;基于每个结果节点的概率值以及地震解释结果异常的概率,计算地震解释结果异常情况下存在圈闭条件的概率Po;如果概率Po大于预定值,则判断所述勘探目标适宜勘探,否则判断断所述勘探目标不适宜勘探。
本发明的有益效果在于:利用决策树的决策点、机会点和多分支结果点按序全程规划某一类型勘探部署项目的不确定性和决策策略,从而正确刻画出勘探部署决策过程中所有起定性作用的要素,以最低的成本获取最大化投资效益;在勘探决策中,不仅考虑目标的地质相关性的影响,还对勘探决策中的附加信息的收益或成本进行评估,并设置不完全信息的贝叶斯逆向概率,最终计算出最优勘探部署决策路径。
本发明的方法和装置具有其它的特性和优点,这些特性和优点从并入本文中的附图和随后的具体实施方式中将是显而易见的,或者将在并入本文中的附图和随后的具体实施方式中进行详细陈述,这些附图和具体实施方式共同用于解释本发明的特定原理。
附图说明
通过结合附图对本发明示例性实施例进行更详细的描述,本发明的上述以及其它目的、特征和优势将变得更加明显,其中,在本发明示例性实施例中,相同的参考标号通常代表相同部件。
图1示出了根据本发明的油气勘探决策树分析方法的步骤的流程图。
图2示出了根据本发明的一个实施例的多目标地质相关性成功概率的示意图。
图3示出了根据本发明的一个实施例的决策树的示意图。
图4示出了根据本发明的一个实施例的评估附加信息价值的示意图。
图5示出了根据本发明的一个实施例的辅助决策树和贝叶斯逆向决策树的示意图。
图6示出了根据本发明的应用示例的多目标地质相关性成功概率的示意图。
图7示出了根据本发明的应用示例的决策树的示意图。
图8示出了根据本发明的应用示例的评估附加信息价值的示意图。
图9示出了根据本发明的应用示例的辅助决策树和贝叶斯逆向决策树的示意图。
具体实施方式
下面将参照附图更详细地描述本发明。虽然附图中显示了本发明的优选实施例,然而应该理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了使本发明更加透彻和完整,并且能够将本发明的范围完整地传达给本领域的技术人员。
图1示出了根据本发明的油气勘探决策树分析方法的步骤的流程图。
在该实施例中,根据本发明的油气勘探决策树分析方法可以包括:步骤101,确定多个地质条件,根据每个地质条件的成功概率计算勘探目标的地质成功概率,作为直接钻井的成功概率P;步骤102,根据现有资料确定评价后钻井的各种实施结果所对应的概率Pr;步骤103,以直接钻井和评价后钻井作为待选勘探实施方案,获取每种实施方案的预期收益和成本;步骤104,基于待选勘探实施方案、成功概率P和概率Pr以及相应的预期收益和成本,绘制决策树;步骤105,计算决策树的每个结果节点的期望值;步骤106,确定期望值最大的结果节点,并根据决策树确定最优的勘探实施方案。
在一个示例中,评价后钻井为地震解释后钻井。
在一个示例中,多个地质条件包括烃源条件、运移条件、圈闭条件、保存条件。
在一个示例中,通过公式(1)计算勘探目标的地质成功概率:
P=Pc*Pi (1)
其中,P为勘探目标的地质成功概率,Pc为全局地质条件的成功概率,Pi为独立地质条件的成功概率。
在一个示例中,根据公式(2)计算期望值:
EV=Psuccess*PV-Pfailure*Cost (2)
其中,EV为期望值,Psuccess为钻井成功概率,PV为现值,Pfailure为钻井失败概率,Cost为成本,Psuccess+Pfailure=1。
在一个示例中,还包括:以圈闭条件作为第一级机会节点,以地震解释结果作为第二级机会节点,建立后验辅助决策树;基于圈闭条件的存在概率和地震解释结果异常的概率,根据贝叶斯公式计算辅助决策树的每个结果节点的概率值;以地震解释结果作为第一级机会节点,以圈闭条件作为第二级机会节点,对所述辅助决策树进行先验逆转;基于每个结果节点的概率值以及地震解释结果异常的概率,计算地震解释结果异常情况下存在圈闭条件的概率Po;如果概率Po大于预定值,则判断勘探目标适宜勘探,否则判断断勘探目标不适宜勘探。
图2示出了根据本发明的一个实施例的多目标地质相关性成功概率的示意图。
图3示出了根据本发明的一个实施例的决策树的示意图。
具体地,确定多个地质条件,包括烃源条件、运移条件、圈闭条件、保存条件,根据每个地质条件的成功概率计算勘探目标的地质成功概率,作为直接钻井的成功概率P,即为公式(1),如图2所示,图中所示,A和B区域的相关成藏条件是烃源条件,其成功概率为Pc;A、B区域的独立成藏条件是储层条件,其成功概率分别为P1和P2,通过公式,计算结果如下:A和B同时成功的概率为PA&B=Pc*P1*P2;只有A成功的概率为PA=Pc*P1*(1-P2);只有B成功的概率为PB=Pc*(1-P1)*P2;至少一个目标成功的概率为PA&B+PA+PB;A和B同时为干井的概率为1-PA&B+PA+PB;根据现有资料确定评价后钻井的各种实施结果所对应的概率Pr,其中,评价后钻井为地震解释后钻井;以直接钻井和评价后钻井作为待选勘探实施方案,获取每种实施方案的预期收益和成本;基于待选勘探实施方案、成功概率P和概率Pr以及相应的预期收益和成本,绘制决策树;计算决策树的每个结果节点的期望值为公式(2),直接钻井的决策树如图3所示;确定期望值最大的结果节点,并根据所在决策树的分支确定最优的勘探实施方案。
图4示出了根据本发明的一个实施例的评估附加信息价值的示意图。
附加信息可以预测不确定性因素对整个项目带来的影响,从而增加收益。但是追求附加信息时会存在一些风险,有时并不能提高最终的收益,因为它仅仅只能解决某些因素带来的不确定性影响。如果获取附加价值的成本过高,导致项目的期望值下降,此时追求附加价值则是不合算的。
石油公司计划打井,可以直接打井,也可以先进行高分辨率地震处理解释后再打井。如果直接打井,减少了地震处理解释的成本,但是成功的概率较低;地震处理解释后再打井,虽然成本增加了,但是打井的成功率无疑会提高。这其中,地震处理解释带来的收益(或亏损)就是额外的附加价值。当地震处理解释的结果显示出该区域不适合开采时,投资者仅多花费了少量的资金,就避免了钻井后出现干井的风险。需要注意的是,如果地震处理解释成本过高导致收益下降(与直接钻井比较),那么此时就不应该先进行地震处理解释,如图4所示,如图所示,直接钻井成功率为P1(干井概率为1-P1),在产井的现值为V1,钻井成本为cost1;地震异常概率为P2,此情况下含油气概率为P3(干井概率为1-P3),地震解释的成本为cost2,钻井成本为cost3;直接钻井的期望值为EV1=P1*V1-(1-P1)*cost1;地震异常时钻井的期望值为EV2=P3*(V2-cost2)-(1-P3)*(cost3+cost2),那么地震解释后钻井的期望值为EV3=P2*EV2-(1-P2)*cost2,由此可见,地震解释后再钻井的信息价值V3=EV3-cost2,如果附加信息价值V3大于0,应该先进行高分辨率地震处理解释。
图5示出了根据本发明的一个实施例的辅助决策树和贝叶斯逆向决策树的示意图。
在石油行业中,经常需要在预测具有不确定性的情况下评估新技术,此时可能会出现地震解释不准确、新技术不成熟的情况。处理不完全信息时,如果按照错误的顺序进行,可能会使估算的结果出现偏差。因此可以采用建立贝叶斯逆向决策树的方法处理不完全信息,降低预测情况与实际情况的偏差:以圈闭条件作为第一级机会节点,以地震解释结果作为第二级机会节点,建立辅助决策树;基于圈闭条件的存在概率和地震解释结果异常的概率,根据贝叶斯公式计算辅助决策树的每个结果节点的概率值;以地震解释结果作为第一级机会节点,以圈闭条件作为第二级机会节点,对辅助决策树进行逆转,获得贝叶斯逆向决策树;基于每个结果节点的概率值以及地震解释结果异常的概率,计算地震解释结果异常情况下存在圈闭条件的概率Po;如果概率Po大于预定值,则判断勘探目标适宜勘探,否则判断断勘探目标不适宜勘探,如图5所示,如图所示,某地区经过评估后得到闭合存在的可能性为P1,地震解释结果的可靠度为P2。通过逆转条件概率后得到逆向贝叶斯决策树,此时该决策树显示出存在地震异常时,闭合存在的概率为P4,这就是说该地区闭合存在的情况下,存在油藏的可能性是很大的。因此,逆向贝叶斯决策树能够在信息不完全的情况下,提高勘探的效率。
本方法考虑项目相关性的影响,快速准确地计算出最优勘探部署决策路径。
应用示例
为便于理解本发明实施例的方案及其效果,以下给出一个具体应用示例。本领域技术人员应理解,该示例仅为了便于理解本发明,其任何具体细节并非意在以任何方式限制本发明。
某勘探目标,具有A、B两个目的层系,烃源条件为二者相关成藏条件,其成功概率为0.7;目的层系A、B的独立成藏条件是储层条件,其成功概率分别为0.6和0.8。地震解释发现异常概率为0.65,经过地震解释后打井,成功概率为0.75;闭合存在的概率为0.75,闭合存在情况下地震解释可靠程度概率为0.80;地震处理解释成本为10万元,干井成本为80万元,在产井的现值为100万元。根据以上条件,分析直接钻井还是先进行地震处理解释然后再钻井:
图6示出了根据本发明的应用示例的多目标地质相关性成功概率的示意图。
计算直接打井的成功概率如图6所示,A和B同时成功的概率为PA&B=0.60*0.60*0.80=0.288;只有A成功的概率为PA=0.60*0.60*0.20=0.072;只有B成功的概率为PB=0.60*0.40*0.80=0.192;则至少一个目标成功的概率为0.288+0.072+0.192=0.552。
图7示出了根据本发明的应用示例的决策树的示意图。
建立决策树,计算直接打井的期望值,根据公式(2),计算该井的期望值为EV=0.552*100-(1-0.552)*80=19.36(万元),该井的期望值大于0,因此这口井是可以开采的,如图7所示。
图8示出了根据本发明的应用示例的评估附加信息价值的示意图。
根据已有资料计算附加信息价值如图8所示,直接钻井的期望值为19.36万元,地震异常时钻井的期望值为EV=0.75*(100-10)+0.25*(-10-80)=45(万元),则地震解释后钻井的期望值为EV=0.65*45+0.35*(-10)=25.75(万元),由此可见,地震解释后再钻井的信息价值为:25.75-19.36=6.39(万元),因此,此时应该先进行高分辨率地震处理解释。
图9示出了根据本发明的应用示例的辅助决策树和贝叶斯逆向决策树的示意图。
该地区经过评估后得到闭合存在的可能性为75%,地震解释结果的可靠度为80%。通过逆转条件概率后得到逆向贝叶斯决策树,此时该决策树显示出存在地震异常时,闭合存在的概率为92.3%,如图9所示,这就是说该地区闭合存在的情况下,存在油藏的可能性是很大的。
根据决策树计算最优决策路径,计算各点的期望值如下:
点8:(100-10)*0.75=67.5(万元);点9:(-80-10)*0.25=-22.5(万元);点6是机会点,将点8和点9的期望值相加再乘以概率值为:(67.5-22.5)*0.65=29.25(万元);点3:100*0.552=55.2(万元);点4:-80*0.448=-35.84(万元);点7:-10*0.35=-3.5(万元);点2是机会点,将点3和点4的期望值相加为:55.2-35.84=19.36(万元);点5是机会点,将点6和点7的期望值相加为:29.25-3.5=25.75(万元);点1是决策点,比较点2和点5的期望值,选择较大值25.75(万元)。
由于点5的期望值大于点2的期望值,此时选择地震解释分支;点6的期望值大于点7的期望值,此时选择地震异常分支;点8的期望值大于点9的期望值,此时选择钻井成功分支。综上所述,该项目的最优决策路径是1→5→6→8。
综上所述,本发明考虑项目相关性的影响,快速准确地计算出最优勘探部署决策路径。
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
根据本发明的实施例,提供了一种油气勘探决策树分析***,可以包括:存储器,存储有计算机可执行指令;处理器,处理器运行存储器中的计算机可执行指令,执行以下步骤:确定多个地质条件,根据每个地质条件的成功概率计算勘探目标的地质成功概率,作为直接钻井的成功概率P;根据现有资料确定评价后钻井的各种实施结果所对应的概率Pr;以直接钻井和评价后钻井作为待选勘探实施方案,获取每种实施方案的预期收益和成本;基于待选勘探实施方案、成功概率P和概率Pr以及相应的预期收益和成本,绘制决策树;计算决策树的每个结果节点的期望值;确定期望值最大的结果节点,并根据决策树确定最优的勘探实施方案。
在一个示例中,评价后钻井为地震解释后钻井。
在一个示例中,多个地质条件包括烃源条件、运移条件、圈闭条件、保存条件。
在一个示例中,还包括:以圈闭条件作为第一级机会节点,以地震解释结果作为第二级机会节点,建立后验辅助决策树;基于圈闭条件的存在概率和地震解释结果异常的概率,根据贝叶斯公式计算辅助决策树的每个结果节点的概率值;以地震解释结果作为第一级机会节点,以圈闭条件作为第二级机会节点,对所述辅助决策树进行先验逆转;基于每个结果节点的概率值以及地震解释结果异常的概率,计算地震解释结果异常情况下存在圈闭条件的概率Po;如果概率Po大于预定值,则判断勘探目标适宜勘探,否则判断断勘探目标不适宜勘探。
本发明考虑项目相关性的影响,快速准确地计算出最优勘探部署决策路径。
本领域技术人员应理解,上面对本发明的实施例的描述的目的仅为了示例性地说明本发明的实施例的有益效果,并不意在将本发明的实施例限制于所给出的任何示例。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。
Claims (6)
1.一种油气勘探决策树分析方法,包括:
确定多个地质条件,根据每个地质条件的成功概率计算勘探目标的地质成功概率,作为直接钻井的成功概率P;
根据现有资料确定评价后钻井的各种实施结果所对应的概率Pr;
以直接钻井和评价后钻井作为待选勘探实施方案,获取每种实施方案的预期收益和成本;
基于所述待选勘探实施方案、所述成功概率P和概率Pr以及相应的预期收益和成本,绘制决策树;
计算决策树的每个结果节点的期望值;
确定期望值最大的结果节点,并根据所述决策树确定最优的勘探实施方案;
其中,所述评价后钻井为地震解释后钻井;
根据所述决策树确定最优的勘探实施方案还包括:
以圈闭条件作为第一级机会节点,以地震解释结果作为第二级机会节点,建立后验辅助决策树;
基于圈闭条件的存在概率和地震解释结果异常的概率,根据贝叶斯公式计算辅助决策树的每个结果节点的概率值;
以地震解释结果作为第一级机会节点,以圈闭条件作为第二级机会节点,对所述辅助决策树进行先验逆转;
基于每个结果节点的概率值以及地震解释结果异常的概率,计算地震解释结果异常情况下存在圈闭条件的概率Po;
如果概率Po大于预定值,则判断所述勘探目标适宜勘探,否则判断所述勘探目标不适宜勘探。
2.根据权利要求1所述的油气勘探决策树分析方法,其中,所述多个地质条件包括烃源条件、运移条件、圈闭条件、保存条件。
3.根据权利要求1所述的油气勘探决策树分析方法,其中,通过公式(1)计算所述勘探目标的地质成功概率:
P=Pc*Pi (1)
其中,P为勘探目标的地质成功概率,Pc为全局地质条件的成功概率,Pi为独立地质条件的成功概率。
4.根据权利要求1所述的油气勘探决策树分析方法,其中,根据公式(2)计算所述期望值:
EV=Psuccess*PV-Pfailure*Cost (2)
其中,EV为期望值,Psuccess为钻井成功概率,PV为现值,Pfailure为钻井失败概率,Cost为成本,Psuccess+Pfailure=1。
5.一种油气勘探决策树分析***,其特征在于,该***包括:
存储器,存储有计算机可执行指令;
处理器,所述处理器运行所述存储器中的计算机可执行指令,执行以下步骤:
确定多个地质条件,根据每个地质条件的成功概率计算勘探目标的地质成功概率,作为直接钻井的成功概率P;
根据现有资料确定评价后钻井的各种实施结果所对应的概率Pr;
以直接钻井和评价后钻井作为待选勘探实施方案,获取每种实施方案的预期收益和成本;
基于所述待选勘探实施方案、所述成功概率P和概率Pr以及相应的预期收益和成本,绘制决策树;
计算决策树的每个结果节点的期望值;
确定期望值最大的结果节点,并根据所述决策树确定最优的勘探实施方案;
其中,所述评价后钻井为地震解释后钻井;
根据所述决策树确定最优的勘探实施方案还包括:
以圈闭条件作为第一级机会节点,以地震解释结果作为第二级机会节点,建立后验辅助决策树;
基于圈闭条件的存在概率和地震解释结果异常的概率,根据贝叶斯公式计算辅助决策树的每个结果节点的概率值;
以地震解释结果作为第一级机会节点,以圈闭条件作为第二级机会节点,对所述辅助决策树进行先验逆转;
基于每个结果节点的概率值以及地震解释结果异常的概率,计算地震解释结果异常情况下存在圈闭条件的概率Po;
如果概率Po大于预定值,则判断所述勘探目标适宜勘探,否则判断所述勘探目标不适宜勘探。
6.根据权利要求5所述的油气勘探决策树分析***,其中,所述多个地质条件包括烃源条件、运移条件、圈闭条件、保存条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710892663.2A CN109558615B (zh) | 2017-09-27 | 2017-09-27 | 油气勘探决策树分析方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710892663.2A CN109558615B (zh) | 2017-09-27 | 2017-09-27 | 油气勘探决策树分析方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109558615A CN109558615A (zh) | 2019-04-02 |
CN109558615B true CN109558615B (zh) | 2021-09-14 |
Family
ID=65864235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710892663.2A Active CN109558615B (zh) | 2017-09-27 | 2017-09-27 | 油气勘探决策树分析方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109558615B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127237B (zh) * | 2019-12-26 | 2023-04-18 | 中国石油天然气股份有限公司 | 石油探评井钻井时间预测方法和装置 |
CN114139897A (zh) * | 2021-11-19 | 2022-03-04 | 广东电网有限责任公司电力调度控制中心 | 一种电网故障***的应急响应设定方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303274A (zh) * | 2014-05-29 | 2016-02-03 | 中国石油化工股份有限公司 | 一种油气圈闭分析方法 |
CN106199754A (zh) * | 2015-05-07 | 2016-12-07 | 中国石油化工股份有限公司 | 油气钻探目标综合优选评价方法 |
EP3152730A2 (en) * | 2014-06-09 | 2017-04-12 | Sicpa Holding SA | An integrity management system to manage and control data between entities in an oil and gas asset supply chain |
CN107133670A (zh) * | 2017-04-21 | 2017-09-05 | 中国科学院大学 | 一种基于决策树数据挖掘算法的复杂岩性识别方法及*** |
CN107180293A (zh) * | 2016-03-11 | 2017-09-19 | 中国石油化工股份有限公司 | 一种面向勘探目标的地质评价水平测定方法 |
-
2017
- 2017-09-27 CN CN201710892663.2A patent/CN109558615B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105303274A (zh) * | 2014-05-29 | 2016-02-03 | 中国石油化工股份有限公司 | 一种油气圈闭分析方法 |
EP3152730A2 (en) * | 2014-06-09 | 2017-04-12 | Sicpa Holding SA | An integrity management system to manage and control data between entities in an oil and gas asset supply chain |
CN106199754A (zh) * | 2015-05-07 | 2016-12-07 | 中国石油化工股份有限公司 | 油气钻探目标综合优选评价方法 |
CN107180293A (zh) * | 2016-03-11 | 2017-09-19 | 中国石油化工股份有限公司 | 一种面向勘探目标的地质评价水平测定方法 |
CN107133670A (zh) * | 2017-04-21 | 2017-09-05 | 中国科学院大学 | 一种基于决策树数据挖掘算法的复杂岩性识别方法及*** |
Non-Patent Citations (3)
Title |
---|
Oil and Gas Exploration Valuation and the Value of Waiting;Babak Jafarizadeh;《The Engineering Economist 》;20150824;第60卷(第4期);全文 * |
决策树在准噶尔盆地西北缘油区勘探决策中的应用;王国林;《石油勘探与开发》;19870501(第2期);原文第77-83页 * |
海外油气勘探项目风险价值评估模型;干卫星;《国际石油经济》;20140225;第22卷(第Z1期);原文第175-177页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109558615A (zh) | 2019-04-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
GD Barros et al. | Value of information in closed-loop reservoir management | |
US8775347B2 (en) | Markov decision process-based support tool for reservoir development planning | |
CN109416769B (zh) | 生成用于开采油气储藏的油田开发计划(fdp)的计算机实施的方法 | |
US8775361B2 (en) | Stochastic programming-based decision support tool for reservoir development planning | |
CA2992274C (en) | Ensemble based decision making | |
Sayyafzadeh | Reducing the computation time of well placement optimisation problems using self-adaptive metamodelling | |
CN108732620B (zh) | 一种非监督与监督学习下的多波地震油气储层预测方法 | |
KR20200056910A (ko) | 딥러닝을 이용한 셰일가스 생산량 예측모델 생성 방법 | |
Hanea et al. | Drill and learn: a decision-making work flow to quantify value of learning | |
CN106062311A (zh) | 在页岩区块当中将钻凿位置分级 | |
CN109558615B (zh) | 油气勘探决策树分析方法及*** | |
Torrado et al. | Optimal sequential drilling for hydrocarbon field development planning | |
Ferraro et al. | Use of evolutionary algorithms in single and multi-objective optimization techniques for assisted history matching | |
US20230186069A1 (en) | Managing training wells for target wells in machine learning | |
Vaziri et al. | A machine learning‐based approach to the multiobjective optimization of CO2 injection and water production during CCS in a saline aquifer based on field data | |
US11927717B2 (en) | Optimized methodology for automatic history matching of a petroleum reservoir model with Ensemble Kalman Filter (EnKF) | |
CN109583672B (zh) | 风险探井勘探决策方法及*** | |
Pauling et al. | Geothermal Play Fairway Analysis Best Practices | |
Barros et al. | Value of information in parameter identification and optimization of hydrocarbon reservoirs | |
He et al. | IOR pilot evaluation in a brown-field fractured reservoir using data analytics of reservoir simulation results | |
Singh et al. | Optimal Subsurface Appraisal: A Key Link to the Success of Development Projects-Few Examples | |
Waggoner | Quantifying the economic impact of 4D seismic projects | |
Steineder et al. | Maximizing value of information of a horizontal polymer pilot under uncertainty | |
CN116911216B (zh) | 一种储层油井产能因素评估与预测方法 | |
Peralta et al. | Prediction of the Incrustating Trend in Oil Extraction Pipelines: An Approach Based on Neural Decision Trees |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |