CN114008607A - 将地理标签应用于图像以用于识别勘探机会 - Google Patents
将地理标签应用于图像以用于识别勘探机会 Download PDFInfo
- Publication number
- CN114008607A CN114008607A CN202080044564.9A CN202080044564A CN114008607A CN 114008607 A CN114008607 A CN 114008607A CN 202080044564 A CN202080044564 A CN 202080044564A CN 114008607 A CN114008607 A CN 114008607A
- Authority
- CN
- China
- Prior art keywords
- data
- geo
- tag
- location
- interest
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V99/00—Subject matter not provided for in other groups of this subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/55—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geophysics (AREA)
- Geophysics And Detection Of Objects (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种方法包括:获得表示地下域的第一数据;以及创建与所述地下域中感兴趣的三维位置和所述感兴趣的位置处的特征相关联的地理标签。所述地理标签进一步与描述所述地下域中所述感兴趣的位置的第二数据相关联。所述方法还包括:生成描述所述第一数据、所述第二数据或两者的一部分的元数据;将所述地理标签存储在包括多个地理标签的数据库中。所述方法还可包括:搜索所述地理标签的类似物。
Description
相关申请的交叉引用
本申请要求序列号为62/856,793的美国临时专利申请的优先权,所述临时专利申请提交于2019年6月4日并且以引用的方式整体并入本文。
背景技术
在油气勘探中,勘探者使用类似物(例如,在类似环境中和/或在类似条件下钻探的井)来寻找新的勘探区域。在这种过程中,勘探者可参考关于不同区域的地质信息的数据库,并且将所述信息与搜集的关于潜在勘探区域的信息进行比较。然而,数据集可能非常大,并且用户通常可挑选区域内的地平线来寻找地质特征,这使得难以利用已经可用的大量数据。此外,“机构知识”(即,由不同团队或操作员汇集的信息)即使在组织内也可能丢失或效率低下地使用,因为它可以不易被后续用户访问的特殊方式存储(如果存储的话)。
近来,已经开发出基于地图的***以有利于将基于位置的数据与位置相关联。实例包括诸如在基于网络的地图绘制程序(例如地图)中“放置图钉”。此类地图和图钉特征对一系列广泛的用户有用,并且通常允许随时访问关于(地图表面上的)二维位置的信息。然而,这对于油田数据解释来说通常不令人满意,在所述油田数据解释中第三空间维度(即地表以下的深度)可能是相关的。此外,与特定位置相关的数据经常随时间改变,例如在沉积模型中随地质时间改变,或者当位置处的情况或关于位置的信息改变、新信息被搜集时实时地改变等,并且因此由地理位置处的静止图钉表示的数据可能变得很快过时。最后,此类静止图钉通常并不链接在一起,并且因此图钉的存在对于试图识别类似地质条件并由此推断出关于另一位置的可能条件的用途有限。
发明内容
本公开的实施方案提供一种方法,其包括:获得表示地下域的第一数据;以及创建与所述地下域中感兴趣的三维位置和所述感兴趣的位置处的特征相关联的地理标签。所述地理标签进一步与描述所述地下域中所述感兴趣的位置的第二数据相关联。所述方法还包括:生成描述所述第一数据、所述第二数据或两者的一部分的元数据;将所述地理标签存储在包括多个地理标签的数据库中;以及搜索所述地理标签的类似物。所述元数据也与所述地理标签相关联地存储在所述数据库中。搜索地理标签包括:访问所述数据库;基于与所述地理标签相关联的所述元数据和与所述多个地理标签相关联的元数据的比较或者描述所述感兴趣的位置的所述数据和描述与所述多个地理标签相关联的其他位置的数据的比较识别由所述地理标签指示的所述特征的一个或多个类似物;以及将所述一个或多个类似物与所述数据库中的所述地理标签相关联。
本公开的实施方案提供一种计算***,其包括:一个或多个处理器;以及存储器***,所述存储器***包括存储指令的一个或多个非暂时性计算机可读介质,所述指令在由所述一个或多个处理器中的至少一个执行时致使所述计算***执行操作。所述操作包括:获得表示地下域的第一数据;以及创建与所述地下域中感兴趣的三维位置和所述感兴趣的位置处的特征相关联的地理标签。所述地理标签进一步与描述所述地下域中所述感兴趣的位置的第二数据相关联。所述操作还包括:生成描述所述第一数据、所述第二数据或两者的一部分的元数据;以及将所述地理标签存储在包括多个地理标签的数据库中。所述元数据也与所述地理标签相关联地存储在所述数据库中。所述操作还包括:搜索所述地理标签的类似物。搜索地理标签包括:访问所述数据库;基于与所述地理标签相关联的所述元数据和与所述多个地理标签相关联的元数据的比较或者描述所述感兴趣的位置的所述数据和描述与所述多个地理标签相关联的其他位置的数据的比较识别由所述地理标签指示的所述特征的一个或多个类似物;以及将所述一个或多个类似物与所述数据库中的所述地理标签相关联。
一种存储指令的非暂时性计算机可读介质,所述指令在由计算***的至少一个处理器执行时致使所述计算***执行操作。所述操作包括:获得表示地下域的第一数据;以及创建与所述地下域中感兴趣的三维位置和所述感兴趣的位置处的特征相关联的地理标签。所述地理标签进一步与描述所述地下域中所述感兴趣的位置的第二数据相关联。所述操作还包括:生成描述所述第一数据、所述第二数据或两者的所述一部分的元数据;以及将所述地理标签存储在包括多个地理标签的数据库中。所述元数据也与所述地理标签相关联地存储在所述数据库中。所述操作还包括:搜索所述地理标签的类似物。搜索地理标签包括:访问所述数据库;基于与所述地理标签相关联的所述元数据和与所述多个地理标签相关联的元数据的比较或者描述所述感兴趣的位置的所述数据和描述与所述多个地理标签相关联的其他位置的数据的比较识别由所述地理标签指示的所述特征的一个或多个类似物;以及将所述一个或多个类似物与所述数据库中的所述地理标签相关联。所述第二数据包括地震图像、测井、卫星图像、重力数据、地图或基于文本的新闻文章中的至少一者,并且所述第二数据是动态的,使得与所述感兴趣的位置和所述地理标签相关联的所述第二数据也是动态的。
提供本概述是为了介绍将在以下详细描述中进一步描述的概念的选择。本概述并不意图识别所要求保护的主题的关键或本质特征,也不意图用于辅助限制所要求保护的主题的范围。
附图说明
并入本说明书并且构成本说明书的一部分的附图示出本教导内容并且连同描述的实施方案,用来解释本教导内容的原理。在附图中:
图1A、图1B、图1C、图1D、图2、图3A和图3B示出根据一个实施方案的油田及其操作的简化示意图。
图4A示出图像地理标签***的示例性部件和功能。
图4B示出用于呈现具有地理标签和协作界面的图像的示例性界面。
图4C示出基于请求的地理标签过滤图像的实例。
图5示出根据一个实施方案的用于为数据添加地理标签以识别机会和类似物的方法的流程图。
图6示出根据一个实施方案的用于为数据添加地理标签并识别类似物的另一种方法的流程图。
图7示出根据一个实施方案的聚类和分离地理标签的概念图。
图8示出根据一个实施方案的用于识别数字地质类似物并基于此解释数据的过程的框图。
图9示出根据一个实施方案的计算***的示意图。
具体实施方式
本公开的各方面可包括用于向可跨各种存储库存储的图像添加地理标签的***和方法。地理标签可以是标记物,所述标记物可与地下域中的空间位置相关联,并且可用于将与地下域相关的数据与来自潜在许多不同源的各种其他数据相关联。在一些实施方案中,图像可以是任何多种图像,诸如地震图像或地质图像(例如,源、储层)、地球物理(例如,重硬粘土阴影)图像、QC-残差多重图像等。在一些实施方案中,地理标签可包括地理位置信息(例如,XYZ坐标)和关于由用户保存的图像场景的信息(例如,日期、用户信息、数据选择、过滤器、视图、显示设置、画布等)。在一些实施方案中,地理标签可手动地生成并链接到图像。另外或可替代地,地理标签可通过自动属性识别、机器学习、基于图像的分类等自动生成。在一些实施方案中,XYZ坐标可识别地质地表下中的位置,所述位置可独立于(或基本上独立于)在其中发现坐标的数据集。对应于XYZ坐标的位置可以是感兴趣的区域或表示勘探机会的区域。每个图像可与手动地和/或自动生成的地理标签一起被保存。如本文所述,所添加地理标签的图像可用于识别机会、类似物、线索和有利区带(play)。例如,用户可搜索具有某组地理标签的图像,所述图像对应于特定类似物以用于沿着具有未来机会、线索、前景、钻探位置和井的机会管道识别线索并加速机会成熟。在一些实施方案中,本文所述的***还可提供用于协作的界面,协作者可借助所述界面提供用于排序/优先次序、勾选表、评论、新地理标签/标记等的输入。这些输入也可与图像一起作为地理标签被存储。
现在详细参考实施方案,这些实施方案的实例在附图中示出。在以下详细描述中,阐述了许多具体细节以提供对本公开的透彻理解。然而,本领域的普通技术人员将明白,可在没有这些具体细节的情况下实践本公开。在其他情况下,众所周知的方法、过程、部件、电路以及网络并未进行详细描述,以便不会不必要地混淆实施方案的方面。
还应当理解,尽管在本文中可能使用术语“第一”、“第二”等来描述各种元件,但是这些元件不应受这些术语限制。这些术语仅用于区分一个元件与另一个元件。例如,在不背离本公开的范围的情况下,第一对象可称为第二对象,并且类似地,第二对象可称为第一对象。第一对象和第二对象分别是两个对象,但不应将它们视为同一对象。
本公开的描述中所使用的术语仅用于描述特定实施方案的目的并且并不意图限制本公开。除非上下文另外明确指示,否则如本公开的说明书和所附的权利要求中所用的单数形式“一个”、“一种”和“所述”还意图包括复数形式。还应当理解,如本文使用的术语“和/或”是指并涵盖相关联的所列项目中一个或多个的任何可能的组合。将进一步理解,术语“包括(includes/including/comprises)”和/或“包括(comprising)”在用于本说明书中时,规定存在所陈述的特征、整数、步骤、操作、元件和/或部件,但是不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、部件和/或其群组。此外,如本文所使用,术语“如果”可解释为表示“在……时”或“在……后”或“响应于确定”或“响应于检测到”,这取决于上下文。
现在将注意力转向根据一些实施方案的处理过程、方法、技术和工作流。本文所公开的处理过程、方法、技术和工作流中的一些操作可进行组合和/或一些操作的顺序可改变。
图1A至图1D示出根据本文所述的各种技艺和技术的实现方式的油田100的简化示意图,所述油田100具有在其中包含储层104的地下地层102。图1A示出正在由勘测工具(诸如地震车106.1)执行以测量地下地层的性质的勘测操作。勘测操作是用于产生声音振动的地震勘测操作。在图1A中,一种此类声音振动,例如由源110生成的声音振动112反射离开地球地层116中的地平线114。一组声音振动由位于地球地表上的传感器诸如地震检波器-接收器118接收。接收的数据120作为输入数据提供给地震车106.1的计算机122.1,并且响应于输入数据,计算机122.1生成地震数据输出124。此地震数据输出可例如通过数据约简根据需要存储、传输或进一步处理。
图1B示出正在由钻探工具106.2执行的钻探操作,所述钻探工具106.2由钻机128悬挂并推进到地下地层102中以形成井筒136。泥浆坑130用于经由流动管线132将钻探泥浆抽吸到钻探工具中,以用于使钻探泥浆向下循环通过钻探工具,然后向上通过井筒136并返回到地表。钻探泥浆通常被过滤并返回到泥浆坑。循环***可用于储存、控制或过滤流动的钻探泥浆。钻探工具被推进到地下地层102中以到达储层104。每个井可以一个或多个储层为目标。钻探工具适用于使用随钻测井工具测量井下性质。随钻测井工具还可适用于如图所示取岩心样本133。
计算机设施可定位在油田100周围的各个位置(例如,地表单元134)和/或远程位置处。地表单元134可用于与钻探工具和/或场外操作通信,以及与其他地表或井下传感器通信。地表单元134能够与钻探工具通信以向钻探工具发送命令并从所述钻探工具接收数据。地表单元134还可收集在钻探操作期间生成的数据并且产生数据输出135,然后可存储或传输所述数据输出135。
传感器(S)(诸如应变仪)可定位在油田100周围以收集如前所述与各种油田操作相关的数据。如图所示,传感器(S)定位在钻探工具中的一个或多个位置中和/或钻机128处,以测量钻探参数,诸如钻压、钻头扭矩、压力、温度、流量、成分、旋转速度和/或其他矿田操作参数。传感器(S)也可定位在循环***中的一个或多个位置中。
钻探工具106.2可包括井底组件(BHA)(未示出),一般是指靠近钻头(例如,在距钻头的若干钻铤长度内)。井底组件包括用于测量、处理和存储信息以及与地表单元134通信的能力。井底组件还包括用于执行各种其他测量功能的钻铤。
井底组件可包括与地表单元134通信的通信子组件。通信子组件适于使用通信信道(诸如泥浆脉冲遥测、电磁遥测或有线钻杆通信)向地表发送信号和从地表接收信号。通信子组件可包括例如发射器,所述发射器生成表示所测量的钻探参数的信号(诸如声学或电磁信号)。本领域技术人员将了解,可采用多种遥测***,诸如有线钻杆、电磁或其他已知遥测***。
通常,根据在钻探之前建立的钻探规划钻探井筒。钻探规划通常阐述限定井场的钻探过程的装备、压力、轨线和/或其他参数。然后可根据钻探规划执行钻探操作。然而,当搜集信息时,钻探操作可需要偏离钻探规划。另外,当执行钻探或其他操作时,地表下条件可改变。当收集新信息时,地球模型也可需要调整。
由传感器(S)搜集的数据可由地表单元134和/或其他数据收集源收集以供分析或进行其他处理。由传感器(S)收集的数据可单独或与其他数据组合使用。数据可收集在一个或多个数据库中和/或在现场或场外传输。数据可以是历史数据、实时数据或它们的组合。实时数据可实时使用,或可被存储以供稍后使用。数据还可与历史数据或其他输入结合以供进一步分析。数据可存储在单独数据库中,或可结合到单一数据库中。
地表单元134可包括收发器137以允许在地表单元134和油田100的各个部分或其他位置之间进行通信。地表单元134还可设置有用于致动油田100处的机构的一个或多个控制器(未示出)或在功能上连接到所述一个或多个控制器。地表单元134然后可响应于接收到的数据而向油田100发送命令信号。地表单元134可经由收发器137接收命令或者可自身向控制器执行命令。可提供处理器来分析数据(本地或远程地)、作出决策并且/或者致动控制器。以此方式,可基于收集的数据选择性地调整油田100。此技术可用于优化(或改进)矿田操作的各部分,诸如控制钻探、钻压、泵速率或其他参数。可基于计算机协议自动地和/或通过操作员手动地作出这些调整。在一些情况下,可调整井规划以选择最佳(或改进的)操作条件或者以避免问题。
图1C示出正在由缆线工具106.3执行的缆线操作,所述缆线工具106.3由钻机128悬挂并进入图1B的井筒136中。缆线工具106.3适于部署到井筒136中以用于生成测井、执行井下测试并且/或者收集样本。缆线工具106.3可用于提供用于执行地震勘测操作的另一种方法和设备。缆线工具106.3可例如具有向周围的地下地层102和其中的流体发送和/或接收电信号的***性、放射性、电的或声能源144。
缆线工具106.3可以可操作地连接到例如图1A的地震检波器118和地震车106.1的计算机122.1。缆线工具106.3也可向地表单元134提供数据。地表单元134可收集在缆线操作期间生成的数据并且可产生可被存储或传输的数据输出135。缆线工具106.3可定位在井筒136中的不同深度处以提供与地下地层102相关的勘测信息或其他信息。
传感器(S)(诸如应变仪)可定位在油田100周围以收集如前所述与各种矿田操作相关的数据。如图所示,传感器S定位在缆线工具106.3中以测量与例如孔隙率、渗透率、流体成分和/或其他矿田操作参数相关的井下参数。
图1D示出正在由生产工具106.4执行的生产操作,所述生产工具106.4自生产单元或采油树129开始部署并且进入完井筒136中,以用于将来自井下储层的流体抽吸到地表设施142中。流体从储层104穿过套管(未示出)中的穿孔并进入井筒136中的生产工具106.4中,并且经由搜集网络146到达地表设施142。
传感器(S)(诸如应变仪)可定位在油田100周围以收集如前所述与各种矿田操作相关的数据。如图所示,传感器(S)可定位在生产工具106.4中或相关联的装备(诸如采油树129、搜集网络146、地表设施142和/或生产设施)中,以测量流体参数,诸如流体成分、流量、压力、温度和/或其他生产操作参数。
生产还可包括注入井以用于提高采收率。一个或多个搜集设施可以可操作地连接到井场中的一个或多个,以用于从一个或多个井场选择性地收集井下流体。
虽然图1B至图1D示出用于测量油田的性质的工具,但将了解,可结合非油田操作诸如气田、矿山、蓄水层、储藏或其他地下设施来使用所述工具。另外,虽然描绘了某些数据采集工具,但将了解,可使用能够感测地下地层和/或其地质地层的参数(诸如地震双向行进时间、密度、电阻率、产率等)的各种测量工具。各种传感器(S)可位于沿着井筒和/或监测工具的各个位置处以收集和/或监测所需数据。还可从场外位置提供其他数据源。
图1A至图1D的矿田配置意图提供对可与油田应用框架一起使用的矿田实例的简要描述。油田100的部分或整体可位于陆地上、水上和/或海上。另外,虽然描绘了在单一位置处测量的单一矿田,但油田应用可与一个或多个油田、一个或多个处理设施和一个或多个井场的任何组合一起利用。
图2示出根据本文所述的各种技艺和技术的实现方式的油田200的部分横截面的示意图,所述油田200具有定位在沿着油田200的各个位置处以用于收集地下地层204的数据的数据采集工具202.1、202.2、202.3和202.4。数据采集工具202.1-202.4可分别与图1A至图1D的数据采集工具106.1-106.4或者未描绘的其他数据采集工具相同。如图所示,数据采集工具202.1-202.4分别生成数据图或测量值208.1-208.4。沿着油田200描绘这些数据图以展示通过各种操作生成的数据。
数据图208.1-208.3是可分别由数据采集工具202.1-202.3生成的静态数据图的实例;然而,应当理解,数据图208.1-208.3还可以是实时更新的数据图。可分析这些测量值以更好地限定一个或多个地层的性质并且/或者确定测量值的精度和/或用于检查错误。可对相应测量值中的每一个的图进行对准和缩放,以便比较和验证所述性质。
静态数据图208.1是一段时间内的地震双向响应。静态图208.2是从地层204的岩心样本测量的岩心样本数据。所述岩心样本可用于提供数据,诸如在岩心长度上岩心样本的密度、孔隙率、渗透率或某一其他物理性质的曲线图。可在不同压力和温度下对岩心中的流体执行密度和粘度测试。静态数据图208.3是通常提供在各种深度处地层的电阻率或其他测量值的测井迹线。
产量递减曲线或曲线图208.4是流体流量随时间变化的动态数据图。产量递减曲线通常提供随时间变化的生产率。当流体流过井筒时,对流体性质诸如流量、压力、成分等进行测量。
还可收集其他数据,诸如历史数据、用户输入、经济信息和/或其他测量数据和感兴趣的其他参数。如下文所描述,可分析和使用静态和动态测量值以生成地下地层的模型来确定所述地下地层的特性。类似的测量也可用于测量地层方面随时间的变化。
地下结构204具有多个地质地层206.1-206.4。如图所示,此结构具有若干地层或层,包括页岩层206.1、碳酸盐层206.2、页岩层206.3和砂层206.4。断层207延伸穿过页岩层206.1和碳酸盐层206.2。静态数据采集工具适于进行测量并且检测地层的特性。
虽然描绘了具有特定地质结构的特定地下地层,但将了解,油田200可包含有时具有极度复杂性的多种地质结构和/或地层。在一些位置,通常在水线以下,流体可占据地层的孔隙空间。可使用测量装置中的每一个来测量地层的性质和/或其地质特征。虽然每个采集工具在油田200中被示出为处于特定位置,但将了解,可在跨一个或多个矿田的一个或多个位置或其他位置处进行一种或多种类型的测量以便进行比较和/或分析。
然后可处理和/或评估从各种源诸如图2的数据采集工具收集的数据。通常,地球物理学家使用来自数据采集工具202.1的在静态数据图208.1中显示的地震数据来确定地下地层的特性和特征。地质学家通常使用在静态图208.2中示出的岩心数据和/或来自测井208.3的测井数据来确定地下地层的各种特性。储层工程师通常使用来自曲线图208.4中的生产数据来确定流体流动储层特性。可使用建模技术来分析由地质学家、地球物理学家和储层工程师分析的数据。
图3A示出根据本文所述的各种技艺和技术的实现方式的用于执行生产操作的油田300。如图所示,油田具有可操作地连接到中央处理设施354的多个井场302。图3A的油田配置并不意图限制油田应用***的范围。所述油田的部分或全部可位于陆地上和/或海洋上。另外,虽然描绘了具有单一处理设施和多个井场的单一油田,但可存在一个或多个油田、一个或多个处理设施和一个或多个井场的任何组合。在所示出的海洋实例中,环境可包括海面376和海底浅层364。
每个井场302具有在地球中形成井筒336的装备。井筒延伸穿过包括储层304的地下地层306。这些储层304包含流体,诸如烃。井场从储层抽取流体并且经由地表网络344将它们传递到处理设施。地表网络344具有用于控制流体从井场流动到处理设施354的管件和控制机构。
现在将注意力转向图3B,其示出根据本文描述的各种技术的一个或多个实现方式的地下地表下362的基于海洋的勘测360的侧视图。地震源366可包括海洋源,诸如可控震源或***,所述海洋源可在延长时间段内或在由脉冲源提供的几乎瞬时能量下将地震波368(例如,能量信号)传播到地球中。海洋源可将地震波作为频率扫描信号进行传播。例如,可控震源类型的海洋源可初始地在低频率(例如,5Hz)下发射地震波并且随时间将所述地震波增加到高频率(例如,80Hz-90Hz)。
地震波368的一个或多个分量可被海底浅层364(即,反射器)反射和转换,并且地震波反射370可被多个地震接收器372接收。地震接收器372可设置在多根拖缆(即,拖缆阵列374)上。地震接收器372可生成表示所接收的地震波反射370的电信号。电信号可嵌入有关于地表下362的信息并且被捕获为地震数据的记录。
在一个实现方式中,每根拖缆可包括本申请中未示出的拖缆操纵装置,诸如鸟、偏转器、尾浮标等。拖缆操纵装置可用于根据本文所述的技术控制拖缆的位置。
在一个实现方式中,地震波反射370可向上行进并且到达海水表面376处的水/空气界面,反射370的一部分然后可再次向下反射(即,海面鬼波378)并且被多个地震接收器372接收。海面鬼波378可称为表面多次波。水表面376上的在其处向下反射波的点通常称为向下反射点。
电信号可经由传输电缆、无线通信等传输到船380。船380然后可将电信号传输到数据处理中心。可替代地,船380可包括能够处理电信号(即,地震数据)的机载计算机。受益于本公开的本领域技术人员将了解,此例示是高度理想化的。例如,勘测可以是针对在地表下方深处的地层的。地层通常可包括多个反射器,所述多个反射器中的一些可包括下降事件,并且可生成多次反射(包括波转化)以供地震接收器372接收。在一种实现方式中,可处理地震数据以生成地表下362的地震图像。
海洋地震采集***在相同深度(例如,5-10m)下拖曳拖缆阵列374中的每根拖缆。然而,基于海洋的勘测360可在不同深度下拖拽拖缆阵列374中的每根拖缆,使得可以避免归因于海面鬼波的相消干涉效应的方式采集和处理地震数据。例如,图3B的基于海洋的勘测360示出由船380在八个不同深度下拖曳的八根拖缆。可使用设置在每根拖缆上的鸟来控制和维持每根拖缆的深度。
图4A示出根据一个实施方案的地理标签***400的框图。***400可包括一个或多个数据储存库412、地理标签生成器414和地理标签416。数据储存库412可包括存储油气勘探相关的图像(例如,地震数据图像、地质图像、地球物理图像等)或其他数据的数据库。地理标签生成器414可访问来自储存库412的数据并且将地理标签416例如与地下域中的位置相关联地应用于数据的各部分。
地理标签416可包括地理位置信息(例如,XYZ坐标)和关于由用户保存的数据(诸如图像场景)的信息(例如,日期、用户信息、数据的选择、过滤器、视图、显示设置、画布等)。在一些实施方案中,XYZ坐标可识别地质地表下中的位置,所述位置可独立于在其中发现坐标的数据集。地理标签416可表示图像内的特征/属性或表示(例如,在空间上表示)地下域的其他数据。在一些实施方案中,地理标签生成器414可接收识别用于为图像手动地添加地理标签的属性的用户输入。地理标签生成器414还可执行自动添加地理标签功能以自动地识别图像属性并且将地理标签应用于图像(例如,通过自动属性识别、机器学习、基于图像的分类等)。
地理标签416可存储在储存库412中,并且更具体地,单个地理标签416可被链接并且与相应图像相关联。***400还可包括机会识别部件418,所述机会识别部件418可识别并输出关于机会的信息(例如,具有表示类似物、线索、有利区带或勘探机会的一组地理标签的图像)。在一些实施方案中,机会识别部件418可基于识别一组地理标签的用户输入识别机会。机会识别部件418可(例如,基于机器学习技术、识别表示机会的地理标签的不同组合的历史数据等)自动地识别表示机会的一组地理标签。
图4B示出用于呈现具有地理标签和协作界面的数据(例如,图像)的示例性界面450。如图4B所示,示出图像,在所述图像中协作者可提供关于数据和线索/机会的评论。协作者评论和输入可被存储并与图像链接,并且可用于对线索的质量或其可勘探性进行评分或排序。例如,可实现投票或评级***,并且/或者可实现自然语言处理以确定评论的情感,由此评论情感用于对给图像评级的可勘探性进行排序。
图4C示出用于基于请求的地理标签过滤图像的示例性界面490。在一些实施方案中,可选择某些地理标签以基于那些地理标签过滤图像以供进一步分析和机会识别。可选择的示例性地理标签可包括请求的数据集类型、请求的分析工具类型等。
图5示出根据一个实施方案的用于为数据添加地理标签以例如识别机会和类似物的方法500的流程图。方法500可包括如在510处访问储存库412内的表示地下域的数据。在510处访问的数据可以是基于图像的数据,诸如地震图像、测井、岩心数据、地质模型或储存库412内的其他数据。特别地,数据可例如在至少三个维度中(例如,经由笛卡尔坐标)被映射到地质位置。在一些实施方案中,地理标签生成器414可自动地访问数据作为自动添加地理标签过程的一部分。在一个实施方案中,地理标签生成器414可经由用户界面接收访问数据的指令。
方法500还可包括如在520处基于其属性数据属性识别数据中的特征,例如数据中存在的特征。当术语在本文中使用时,“特征”是指数据的被认为值得通过地理标签捕获的特性,而“属性”是数据的通过创建数据的衍生物而变得可用的特性,例如,地震属性。例如,可修改、处理等数据以揭示属性,然后可采用这些属性来识别数据中的在生成属性数据之前不可辨识的特征。在其他实例中,可从未处理或“原始”数据直接检测特征,而例如无需首先生成属性。例如,地理标签生成器414可接收识别属性的用户输入。另外,储存库412可实现机器学习、基于图像的分类、自动特征识别和/或其他技术以识别图像属性。在一些实施方案中,属性可包括地质对象、地质或地震属性、地理位置信息(例如,XYZ坐标)和关于由用户保存的场景(例如,图像)的信息(例如,日期、用户信息、数据的选择、过滤器、视图、显示设置、画布等)。在一些实施方案中,XYZ坐标可识别地质地表下中的位置,所述位置可独立于在其中发现坐标的数据集。
方法500还可包括如在530处基于属性将地理标签应用于数据。例如,地理标签生成器414可生成地理标签并将所述地理标签应用于数据,其中地理标签识别由数据表示的地下域内的特定地理位置处的特征。在另一个实例中,地理标签生成器414可应用识别特征的单一地理标签。
方法500还可包括如在540处与地理标签相关联地存储数据。例如,地理标签生成器414可将具有所应用地理标签的数据存储在储存库412中。
方法500还可包括如在550处接收针对具有一组属性的地理标签或特征的用户查询。例如,机会识别部件418可接收请求地理标签或特征的用户查询,所述地理标签或特征具有可表示机会、有利区带、线索、前景、类似物等的一组属性。作为实例,查询可识别具有一组特定储层特性的前景。
方法500还可包括如在560处提供具有所查询属性或被认为与所查询属性类似的属性中的一者或多者的地理标签。例如,机会识别部件418可响应于查询而提供数据。另外,机会识别部件418可在无需接收用户查询的情况下(例如,基于机器学习技术、识别表示机会的地理标签的不同组合的历史数据等)自动地识别机会、有利区带、线索、类似物等。在一些实施方案中,地理标签可由机会识别部件418分组。
图6示出根据一个实施方案的用于组织和处理数据,例如将地理标签应用于数据的方法600的流程图。在一个实施方案中,方法600可以是上述方法500的实施方案的实现方式,并且因此方法500、600不应被认为是相互排斥的。
方法600可包括如在602处获得表示地下域的第一数据。例如,第一数据可以是表示全部或部分位于地球地表下方的三维体积的基于图像的数据。表示的体积可在范围例如包括一个或多个油田、盆地或更大的域中相对较大。在其他实施方案中,所述体积可相对较小,表示储层的一部分,或地下域的其中将要形成规划井筒的一个或多个切片。在602处获得的数据可被映射到地下域,使得域中的不同区域由数据的不同部分表示。
方法600还可包括如在603处识别地下域内感兴趣的位置。可例如通过被训练来辨识地下地质特征(诸如,例如有助于烃形成或以其他方式与井位置、钻探等相关的盐丘、圈闭、断层或其他区域)的机器学习算法基于第一数据自动地识别感兴趣的位置。在其他实施方案中,人类用户(例如,主题专家)可识别数据中的此类特征。例如,可将横测线和纵测线地震图像中的感兴趣的特征指示为感兴趣的特征。在其他情况下,可响应于获得与所述位置相关的信息(参见下文讨论的框604)而识别感兴趣的位置。
方法600可包括如在604处接收关于感兴趣的位置的第二数据。第二数据可与所述位置的地质直接相关,并且因此可被视为“原始”数据(尽管它可受到各种处理技术的影响)。然而,在604处接收的第二数据可与其中在603处识别感兴趣的位置的第一数据不同,例如,所述第二数据可来自不同源,地理标签可用于基于位置将这些数据链接在一起,如本文所述。例如,第二数据可以是从矿田测试或勘探操作收集的数据。此类第二数据的具体实例可包括地震数据、测井、卫星图像、重力数据、磁数据或地图。第二数据还可与政治条件或可影响与钻探、生产或在特定地区中以其他方式操作相关联的风险的其他因素相关。例如,所述数据可包括新闻文章。第二数据还可包括竞争情报,诸如公告、监管备案文件或与商业实体,特别是油田相关的实体在所述区域内的活动相关的其他信息,所述竞争情报可例如与其他实体先前在区域内所经历的成功水平相关。
此外,在一个或多个实施方案中,如在606处,可针对第一数据、第二数据或两者生成元数据(即,描述原始数据的数据)。此类元数据可包括数据的源(例如,作者、创建日期、位置、从属关系等)。元数据还可包括可描述收集数据的方式的数据组成部分,例如解释设置、分析窗口等。元数据还可包括石油***部件的指示,所述指示可提供关于在所述位置处识别的石油***元素的信息,所述石油***元素诸如烃的源和成熟度、迁移路径、储层、密封圈闭、滞留(retention)和有利区带。元数据还可包括地质组成部分,所述地质组成部分可提供当前和地质上历史结构和地层设置、地质年龄、层序地层描述和岩性。元数据还可包括与“风险”(例如,确定井或有利区带的成功的可能性)相关的信息,诸如风险参数、关于石油***元素的成功机会的信息等。元数据还可包括石油经济组成部分,诸如立法、区块/特许权和所有权数据、关于矿田的信息、其开发状态、基础设施和/或生产。元数据还可包括钻探组成部分,诸如关于压力、井规划和完井的信息。一旦生成元数据,或者甚至正在生成元数据时,然后可将所述元数据例如连同原始数据一起与感兴趣的位置的坐标相关联地存储。
方法600可包括如在608处为感兴趣的位置添加标签。可通过针对所述位置创建“地理标签”来进行添加标签,其中地理标签与地下域内的特定三维(至少)位置相关联。在一个实施方案中,为位置添加标签可包括在数据库中形成条目,所述条目在至少三个维度(例如,纬度、经度和深度/地质年龄)上存储位置的坐标。还可在至少一个另外的维度(诸如时间)中存储所述位置。此外,数据库条目可包括在602处获得的第一数据、在604处接收的第二数据和/或在606处生成的元数据,所述数据库条目因此可与位置坐标相联系或“相关联”地存储。
因此,地理标签可通常不是静态的,而是直接嵌入表示地下域的第一数据中。相反,在水平轴X和Y以及竖直深度轴Z中(并且潜在地在时间T处)指定位置的坐标可与地理标签相关联。响应于感兴趣的位置的视图包括感兴趣的位置的坐标,当查看第一数据时,当视图在用户屏幕上处于用户的视场内时,此地理标签显现给用户。然后可在视图中呈现符号(例如,图钉),用户可访问所述符号以基于地理标签中与所述符号相关联的数据采集关于位置的另外的信息。因此,地理标签表示动态地改变而非静态地嵌入地图中的数据。这通常是可采用地理标签的最简单方式,并且下文还描述了地理标签的其他更复杂且潜在地更强大的用途。
在一些实施方案中,地理标签可被认为是多个地理标签的集群,并且然后聚合以形成新地理标签,如在610处。图7示出根据一个实施方案的此类聚类、分离和聚合的实例。例如,第一地理标签GT A可初始地形成为表示可使用地区数据形成的矿田。地理标签GT A可拆分为多个地理标签GT1.1、GT1.2、GT1.3,它们可表示相同信息,但具有更高分辨率程度,例如,提供与更多局部而非地区、区域相关的数据。这可在进一步分析特定位置或对所述特定位置感兴趣时发生,这意味着导致关于地区的更多信息,使得水平面中的更高分辨率程度是合适的。
在另一个实施方案中,第二地理标签GT B可由两个或更多个地理标签例如,GT1.1、GT2.1、GT3.1形成。地理标签GT1.1、GT2.1、GT3.1可各自识别不同深度处的不同地层FM1、FM2、FM3,如图所示,并且可大致水平对齐。例如,为了有利于风险分析,可通过将这些地理标签GT1.1、GT2.1、GT3.1聚类在一起来形成第二地理标签GT B。通常,由于风险太高,因此不会在单一储层层级上钻探井。因此,可提供相互堆叠于彼此之上的若干线索,使得单一井可穿透多个线索区域,并且成功的机会是每个储层层级的成功机会的总和,并且因此增加。地理标签的垂直聚类因此可通过将两个或更多个层级表示为单一标签来精简对若干垂直偏移储层的分析。如将了解,这通常不能通过对表面的二维投影来实现,因为在这种投影中会丢失地理标签的偏移本质。
方法600还可包括如在612处通过搜索先前存储的地理标签来识别感兴趣的位置的地理标签的数字地质类似物(DGA)。图8示出了示出使用地理标签来识别数据库中的地质类似物的框图。如上所述,如在块802处,具有存档的解释地理标签的数据可存储在数据库中。
在一个实施方案中,可建立DGA的数据库。例如,可将802处的已知数据和存档解释在804处解释为地理标签。这可包括记录元数据和/或对与由单个地理标签表示的位置相关联的原始数据进行其他处理。所得的解释地理标签可以是在806处的潜在DGA。然后可将所解释的地理标签存储在数据库中(例如,云环境中)。当使用新数据时,如在808处的DGA地理标签的库可用于搜索。
当解释810处的新数据时,可创建如在812处的新地理标签。可将新地理标签的元数据录入到DGA数据的数字搜索中,以识别新地理标签与数据库808中的地理标签的类似性。一旦例如基于类似地质、类似装备、类似位置或指示关于一个地理标签与另一个地理标签相关的信息的其他比较数据识别到类似地理标签,则在搜索中识别的地理标签可用于解释新地理标签,如在814处。在完成解释后,然后将新地理标签录入到DGA数据库808,从而增强和细化数据库的内容。
在一些实施方案中,可采用人工智能来识别DGA。例如,可例如基于人类用户识别一组训练地理标签的类似物训练监督机器学习算法。在其他实施方案中,可采用其他类型的人工智能。
此外,如上文所提及,元数据可包括与“风险”相关的信息,例如,确定用于在某个位置钻探、从特定储层或在特定国家生产等的成功的可能性。因此,方法600在一些实施方案中可包括确定对在812处创建的新创建地理标签的风险分析是不够的。方法600因此可包括针对其风险分析合理地完成(例如在不确定性的阈值水平内)的DGA搜索DGA数据库808。方法600可然后采用来自DGA的风险分析来通知对新地理标签的风险分析。
再次参考图6,方法600还可包括如在614处与位置信息相关联地存储数字协作信息例如作为数据库中的地理标签或条目的一部分。例如,结构化或非结构化文本数据可由第一人类用户录入到一个或多个数据字段中并且与感兴趣的位置相关联地存储在数据库中。另外的此类数据可由另一个人类用户(例如,包括第一用户的团队或组织的另一个成员)存储在与感兴趣的位置相关联的一个或多个另外的数据字段中。这可有利于第二用户建立在由第一用户记录的知识的基础上并提供另外的信息以供其他人后续使用。此另外的数据可包括元数据解释,从而细化解释并使元数据对管理决策更加透明。
本公开的各方面可提供一种用于为跨多个不同数据库和存储装置存储的图像添加地理标签的***和/或方法。在一些实施方案中,本公开的各方面可通过提供界面来提供用于改进知识管理(例如,想法的组织、进步思维)的技术,贡献者评论、评级和反馈可借助所述界面进行存储、保存并与所述相关联的图像链接。本公开的另外的方面可通过提供界面来提供协作改进,关于图像的想法可借助所述界面进行共享、保存并与所述图像链接,从而构建知识、保留知识并使知识大众化。
在一个或多个实施方案中,所描述的功能可在硬件、软件、固件或其任何组合中实现。对于软件实现方式,本文所述的技术可利用执行本文所述的功能的模块(例如,过程、功能、子程序、程序、例程、子例程、模块、软件包、类等)实现。模块可通过传递和/或接收信息、数据、自变量、参数或存储器内容来耦合到另一个模块或硬件电路。信息、自变量、参数、数据等可使用包括存储器共享、消息传递、令牌传递、网络传输等的任何合适手段来传递、转发或传输。软件代码可存储在存储器单元中并由处理器执行。存储器单元可在处理器内或在处理器外部实现,在这种情况下,它可经由如本领域已知的各种手段通信地耦合到处理器。
在一些实施方案中,本公开的方法中的任一种可由计算***执行。图9示出根据一些实施方案的这种计算***900的实例。计算***900可包括计算机或计算机***901A,其可以是单独计算机***901A或分布式计算机***的布置。计算机***901A包括一个或多个分析模块902,所述一个或多个分析模块902被配置来根据一些实施方案,诸如本文公开的一个或多个方法执行各种任务。为了执行这些各种任务,分析模块902单独或与一个或多个处理器904协调执行,所述一个或多个处理器904连接到一个或多个存储介质906。一个或多个处理器904还连接到网络接口907以允许计算机***901A通过数据网络909与一个或多个另外计算机***和/或计算***(诸如901B、901C和/或901D)通信(注意,计算机***901B、901C和/或901D可或不可与计算机***901A共享相同架构,并且可位于不同物理位置中,例如,计算机***901A和901B可位于处理设施中,同时与一个或多个计算机***(诸如位于一个或多个数据中心中和/或位于不同大陆的不同国家中的901C和/或901D)通信)。
处理器可包括微处理器、微控制器、处理器模块或子***、可编程集成电路、可编程门阵列或另一个控制或计算装置。
存储介质906可实现为一个或多个计算机可读或机器可读存储介质。应注意,虽然在图9的示例性实施方案中存储介质906描绘为在计算机***901A内,但在一些实施方案中,存储介质906可分布在计算***901A和/或另外计算***的多个内部和/或外部外壳内和/或跨所述多个外壳。存储介质906可包括一个或多个不同形式的存储器,包括半导体存储器装置,诸如动态或静态随机存取存储器(DRAM或SRAM)、可擦可编程只读存储器(EPROM)、电可擦可编程只读存储器(EEPROM)和闪存;磁盘,诸如固定圆盘、软盘和可换磁盘;其他磁介质,包括磁带;光学介质,诸如光盘(CD)或数字视频光盘(DVD)、盘或其他类型的光学存储介质,或其他类型的存储装置。应注意,以上讨论的指令可设置在一个计算机可读或机器可读存储介质上,或者可替代地,可设置在分布在可能具有多个节点的较大***中的多个计算机可读或机器可读存储介质上。此类一个或多个计算机可读或机器可读存储介质被认为是物品(或制品)的一部分。物品或制品可指任何所制造的单一部件或多个部件。一个或多个存储介质可位于运行机器可读指令的机器中或位于可通过网络下载机器可读指令以用于执行的远程部位处。
在一些实施方案中,计算***900包含一个或多个地理标签模块908。在计算***900的实例中,计算机***901A包括地理标签模块908。在一些实施方案中,地理标签模块908可用于执行方法的一个或多个实施方案的一些或所有方面。在替代实施方案中,多个地理标签模块908可用于执行方法的一些或所有方面。
应了解,计算***900是计算***的仅一个实例,并且计算***900可比所示具有更多或更少部件,可结合图9的示例性实施方案中未描绘的另外的部件,和/或计算***900可具有图9中描绘的部件的不同配置或布置。图9中所示的各种部件可在硬件、软件或硬件和软件两者的组合中实现,包括一个或多个信号处理和/或专用集成电路。
此外,本文描述的处理方法中的步骤可通过运行信息处理设备,诸如通用处理器或专用芯片(诸如ASIC、FPGA、PLD或其他适当装置)中的一个或多个功能模块来实现。这些模块、这些模块的组合和/或它们与基本硬件的组合全部包括在本公开的保护范围内。
地质解释、模型和/或其他解释辅助工具可以迭代方式细化;此概念可适用于本文所论述的本方法的实施方案。这可包括使用在算法基础上(诸如在计算装置(例如,控制***900,图9)处)执行的反馈回路和/或通过由可做出关于给定步骤、动作、模板、模型或一组曲线是否已足以准确地对在考虑中的地表下三维地质构造进行评估的确定的用户进行手动控制。
出于解释的目的,已经参考特定实施方案描述了前述描述。然而,以上说明性论述并不意图是详尽的或将本公开限制于所公开的精确形式。鉴于以上教义,许多修改和变型是可能的。此外,示出和描述方法的元素的顺序可重新排列,和/或两个或更多个元素可同时发生。选择和描述这些实施方案以便最佳解释本公开的原理以及其实际应用,从而在进行如适合于预期的特定用途的各种修改的情况下,允许本领域的其他技术人员最佳利用本公开和各种实施方案。
Claims (20)
1.一种方法,其包括:
获得表示地下域的第一数据;
创建与所述地下域中感兴趣的三维位置和所述感兴趣的位置处的特征相关联的地理标签,其中所述地理标签进一步与描述所述地下域中所述感兴趣的位置的第二数据相关联;
生成描述所述第一数据、所述第二数据或两者的一部分的元数据;以及
将所述地理标签存储在包括多个地理标签的数据库中,其中所述元数据与所述地理标签相关联地存储。
2.如权利要求1所述的方法,其还包括:搜索所述地理标签的类似物,其中搜索包括:
访问所述数据库;
基于与所述地理标签相关联的所述元数据和与所述多个地理标签相关联的元数据的比较或者描述所述感兴趣的位置的所述第一数据、所述第二数据或两者和描述与所述多个地理标签相关联的其他位置的数据的比较识别由所述地理标签指示的所述特征的一个或多个类似物;以及
将所述一个或多个类似物与所述数据库中的所述地理标签相关联。
3.如权利要求2所述的方法,其还包括:训练人工智能以识别所述一个或多个类似物,其中搜索所述类似物包括:所述人工智能在所述数据库中搜索以寻找与类似物相关联的地理标签。
4.如权利要求1所述的方法,其中所述第二数据包括地震图像、测井、卫星图像、重力数据、地图或基于文本的新闻文章中的至少一者。
5.如权利要求1所述的方法,其中所述第二数据是动态的,使得与所述感兴趣的位置和所述地理标签相关联的所述第二数据也是动态的。
6.如权利要求1所述的方法,其中生成所述元数据包括:从提供对所述第一数据、所述第二数据或两者的解释的用户接收知识数据。
7.如权利要求1所述的方法,其中所述三维位置包括水平平面中的两个坐标和竖直平面中的一个坐标,所述竖直平面中的一个坐标表示所述位置的深度、所述位置的地质年龄或两者。
8.如权利要求1所述的方法,其中搜索包括:
确定所述第一数据、所述第二数据和所述元数据不足以用于确定包括所述感兴趣的位置的操作成功的可能性;以及
在所述数据库中搜索与已经确定成功的可能性的位置相关联的地理标签。
9.如权利要求1所述的方法,其还包括:
将所述地理标签聚类到表示不同位置的多个地理标签中;以及
将所述多个地理标签中的至少一个与表示另一个位置的另一个地理标签分组。
10.一种计算***,其包括:
一个或多个处理器;以及
存储器***,所述存储器***包括存储指令的一个或多个非暂时性计算机可读介质,所述指令在由所述一个或多个处理器中的至少一个执行时致使所述计算***执行操作,所述操作包括:
获得表示地下域的第一数据;
创建与所述地下域中感兴趣的三维位置和所述感兴趣的位置处的特征相关联的地理标签,其中所述地理标签进一步与描述所述地下域中所述感兴趣的位置的第二数据相关联;
生成描述所述第一数据、所述第二数据或两者的一部分的元数据;
将所述地理标签存储在包括多个地理标签的数据库中,其中所述元数据与所述地理标签相关联地存储在所述数据库中;以及
搜索所述地理标签的类似物,其中搜索包括:
访问所述数据库;
基于与所述地理标签相关联的所述元数据和与所述多个地理标签相关联的元数据的比较或者描述所述感兴趣的位置的所述第一数据、所述第二数据或两者和描述与所述多个地理标签相关联的其他位置的数据的比较识别由所述地理标签指示的所述特征的一个或多个类似物;以及
将所述一个或多个类似物与所述数据库中的所述地理标签相关联。
11.如权利要求10所述的***,其中所述第二数据包括地震图像、测井、卫星图像、重力数据、地图或基于文本的新闻文章中的至少一者。
12.如权利要求10所述的***,其中所述第二数据是动态的,使得与所述感兴趣的位置和所述地理标签相关联的所述第二数据也是动态的。
13.如权利要求10所述的***,其中生成所述元数据包括:从提供对所述第一数据、所述第二数据或两者的解释的用户接收知识数据。
14.如权利要求10所述的***,其中所述三维位置包括水平平面中的两个坐标和竖直平面中的一个坐标,所述竖直平面中的所述一个坐标表示所述位置的深度、所述位置的地质年龄或两者。
15.如权利要求10所述的***,其中搜索包括:
确定所述第一数据、所述第二数据和所述元数据不足以用于确定包括所述感兴趣的位置的操作成功的可能性;以及
在所述数据库中搜索与已经确定成功的可能性的位置相关联的地理标签。
16.如权利要求10所述的***,其中所述操作还包括:训练人工智能以识别所述一个或多个类似物,其中搜索所述类似物包括:所述人工智能在所述数据库中搜索以寻找与类似物相关联的地理标签。
17.如权利要求10所述的***,其还包括:
将所述地理标签聚类到表示不同位置的多个地理标签中;以及
将所述多个地理标签中的至少一个与表示另一个位置的另一个地理标签分组。
18.一种存储指令的非暂时性计算机可读介质,所述指令在由计算***的至少一个处理器执行时致使所述计算***执行操作,所述操作包括:
获得表示地下域的第一数据;
创建与所述地下域中感兴趣的三维位置和所述感兴趣的位置处的特征相关联的地理标签,其中所述地理标签进一步与描述所述地下域中所述感兴趣的位置的第二数据相关联;
生成描述所述第一数据、所述第二数据或两者的一部分的元数据;
将所述地理标签存储在包括多个地理标签的数据库中,其中所述元数据与所述地理标签相关联地存储在所述数据库中;以及
搜索所述地理标签的类似物,其中搜索包括:
访问所述数据库;
基于与所述地理标签相关联的所述元数据和与所述多个地理标签相关联的元数据的比较或者描述所述感兴趣的位置的所述数据和描述与所述多个地理标签相关联的其他位置的数据的比较识别由所述地理标签指示的所述特征的一个或多个类似物;以及
将所述一个或多个类似物与所述数据库中的所述地理标签相关联,
其中所述第二数据包括地震图像、测井、卫星图像、重力数据、地图或基于文本的新闻文章中的至少一者,并且其中所述第二数据是动态的,使得与所述感兴趣的位置和所述地理标签相关联的所述第二数据也是动态的。
19.如权利要求18所述的介质,其中所述三维位置包括水平平面中的两个坐标和竖直平面中的一个坐标,所述竖直平面中的所述一个坐标表示所述位置的深度、所述位置的地质年龄或两者。
20.如权利要求18所述的介质,其还包括:
将所述地理标签聚类到表示不同位置的多个地理标签中;以及
将所述多个地理标签中的至少一个与表示另一个位置的另一个地理标签分组。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201962856793P | 2019-06-04 | 2019-06-04 | |
US62/856,793 | 2019-06-04 | ||
PCT/US2020/036051 WO2020247580A1 (en) | 2019-06-04 | 2020-06-04 | Applying geotags to images for identifying exploration opportunities |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114008607A true CN114008607A (zh) | 2022-02-01 |
Family
ID=73652604
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202080044564.9A Pending CN114008607A (zh) | 2019-06-04 | 2020-06-04 | 将地理标签应用于图像以用于识别勘探机会 |
Country Status (8)
Country | Link |
---|---|
US (2) | US11797605B2 (zh) |
EP (1) | EP3980906A4 (zh) |
CN (1) | CN114008607A (zh) |
AU (1) | AU2020288622A1 (zh) |
BR (1) | BR112021024472A2 (zh) |
CA (1) | CA3142524A1 (zh) |
MX (1) | MX2021014910A (zh) |
WO (1) | WO2020247580A1 (zh) |
Family Cites Families (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7319387B2 (en) * | 2004-03-17 | 2008-01-15 | 3M Innovaative Properties Company | GPS interface for locating device |
US9037583B2 (en) | 2008-02-29 | 2015-05-19 | Ratnakar Nitesh | Geo tagging and automatic generation of metadata for photos and videos |
US8199166B2 (en) | 2008-03-14 | 2012-06-12 | Schlumberger Technology Corporation | Visualization techniques for oilfield operations |
WO2010082969A1 (en) | 2009-01-13 | 2010-07-22 | Exxonmobil Upstream Research Company | Methods and systems to volumetrically conceptualize hydrocarbon plays |
US8325179B2 (en) * | 2009-03-04 | 2012-12-04 | Landmark Graphics Corporation | Three-dimensional visualization of images in the earth's subsurface |
US9063252B2 (en) | 2009-03-13 | 2015-06-23 | Saudi Arabian Oil Company | System, method, and nanorobot to explore subterranean geophysical formations |
US9104695B1 (en) * | 2009-07-27 | 2015-08-11 | Palantir Technologies, Inc. | Geotagging structured data |
US8265928B2 (en) | 2010-04-14 | 2012-09-11 | Google Inc. | Geotagged environmental audio for enhanced speech recognition accuracy |
US9460120B2 (en) * | 2010-10-01 | 2016-10-04 | Microsoft Licensing Technology, LLC | Travel route planning using geo-tagged photographs |
CN103609144A (zh) * | 2011-06-16 | 2014-02-26 | 诺基亚公司 | 用于解析地理标识的方法和装置 |
US9720555B2 (en) * | 2011-12-23 | 2017-08-01 | Gary SORDEN | Location-based services |
US20140005996A1 (en) * | 2012-06-28 | 2014-01-02 | Schlumberger Technology Corporation | Interactive and three-dimensional well path design |
US10452715B2 (en) * | 2012-06-30 | 2019-10-22 | Divx, Llc | Systems and methods for compressing geotagged video |
US10423903B2 (en) * | 2012-07-18 | 2019-09-24 | Atlas Planning Solutions LLC | Methods, systems, and computer-readable media for horizontal well development planning and other resource constrained operational planning |
AU2013332250B2 (en) * | 2012-10-19 | 2017-06-29 | Orica International Pte Ltd | Locating underground markers |
US9235823B2 (en) * | 2012-11-05 | 2016-01-12 | Bernsten International, Inc. | Underground asset management system |
CA2855048A1 (en) * | 2013-06-25 | 2014-12-25 | Grant I. Sanden | Geological analysis tool |
US20150084993A1 (en) | 2013-09-20 | 2015-03-26 | Schlumberger Technology Corporation | Georeferenced bookmark data |
US20160187508A1 (en) | 2014-07-31 | 2016-06-30 | Schlumberger Technology Corporation | System and method of facilitating the retrieval and analysis of data |
US10395434B2 (en) * | 2015-04-14 | 2019-08-27 | ETAK Systems, LLC | Annotated 3D models of telecommunication sites for planning, engineering, and installation |
US10316625B2 (en) * | 2015-09-09 | 2019-06-11 | Schlumberger Technology Corporation | Automatic updating of well production models |
US20170186104A1 (en) * | 2015-12-29 | 2017-06-29 | WellDecide, Inc. | Systems and methods for delivering location-triggered oilfield content |
KR101790005B1 (ko) | 2016-01-29 | 2017-10-25 | 주식회사 지오천사로봇기술 | 맨홀 내부 탐사 지원형 지하시설물 지도 작성 장치 |
US10628463B2 (en) * | 2016-04-07 | 2020-04-21 | Adobe Inc. | Applying geo-tags to digital media captured without location information |
US20180300341A1 (en) * | 2017-04-18 | 2018-10-18 | International Business Machines Corporation | Systems and methods for identification of establishments captured in street-level images |
KR101949525B1 (ko) * | 2017-11-16 | 2019-03-18 | 주식회사 아이오티봇 | 무인탐지장치를 이용한 현장 안전관리 시스템 |
US20190348180A1 (en) * | 2018-05-10 | 2019-11-14 | Koninklijke Philips N.V. | System and method for providing model-based predictions of patient-related metrics based on location-based determinants of health |
US11361457B2 (en) * | 2018-07-20 | 2022-06-14 | Tesla, Inc. | Annotation cross-labeling for autonomous control systems |
WO2020097072A1 (en) * | 2018-11-05 | 2020-05-14 | Usic, Llc | Systems and methods for an autonomous marking apparatus |
WO2020142673A1 (en) * | 2019-01-03 | 2020-07-09 | Oxy Usa Inc. | System and methods for managing oil and gas production equipment |
EP4186022A4 (en) | 2020-07-24 | 2024-04-17 | Services Petroliers Schlumberger | INTEGRATION OF GEOTAGS AND OPPORTUNITY MATURATION |
-
2020
- 2020-06-04 EP EP20819177.5A patent/EP3980906A4/en active Pending
- 2020-06-04 MX MX2021014910A patent/MX2021014910A/es unknown
- 2020-06-04 WO PCT/US2020/036051 patent/WO2020247580A1/en unknown
- 2020-06-04 CA CA3142524A patent/CA3142524A1/en active Pending
- 2020-06-04 AU AU2020288622A patent/AU2020288622A1/en active Pending
- 2020-06-04 CN CN202080044564.9A patent/CN114008607A/zh active Pending
- 2020-06-04 BR BR112021024472A patent/BR112021024472A2/pt unknown
- 2020-06-04 US US17/596,141 patent/US11797605B2/en active Active
-
2023
- 2023-10-06 US US18/482,699 patent/US20240037143A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
MX2021014910A (es) | 2022-02-21 |
AU2020288622A1 (en) | 2022-01-06 |
CA3142524A1 (en) | 2020-12-10 |
EP3980906A4 (en) | 2023-05-10 |
WO2020247580A1 (en) | 2020-12-10 |
EP3980906A1 (en) | 2022-04-13 |
US20240037143A1 (en) | 2024-02-01 |
US20220300552A1 (en) | 2022-09-22 |
US11797605B2 (en) | 2023-10-24 |
BR112021024472A2 (pt) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220275723A1 (en) | Field data acquisition and virtual training system | |
US20220229199A1 (en) | Interpreting seismic faults with machine learning techniques | |
AU2019281866A1 (en) | Geological feature search engine | |
US20170176228A1 (en) | Drilling fluid loss rate prediction | |
CN112400123A (zh) | 用于盐地震解译的级联式机器学习工作流 | |
CN114787665A (zh) | 无监督的测井记录重建和异常值检测 | |
US20220121987A1 (en) | Differential multi model training for multiple interpretation options | |
US20230273335A1 (en) | Integration of geotags and opportunity maturation | |
US11797605B2 (en) | Applying geotags to images for identifying exploration opportunities | |
US11829399B1 (en) | Extracting user-defined attributes from documents | |
US12007516B2 (en) | Geological feature search engine | |
US20230026857A1 (en) | Subsurface property estimation in a seismic survey area with sparse well logs | |
US20230281507A1 (en) | Automated similarity measurement and property estimation | |
US20240020271A1 (en) | Visualization of energy domain data | |
US20240019603A1 (en) | Processing subsurface data with uncertainty for modelling and field planning | |
WO2023200696A1 (en) | Quantifying diversity in seismic datasets | |
WO2023043925A1 (en) | Systems and methods for modeling a subsurface volume using time-lapse data | |
WO2024064625A1 (en) | A system and method for providing and executing standardized seismic processing workflows |
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 |