A Petrel-Based Reproducible Workflow for Integrated Static Reservoir Characterization Using Synthetic Seismic and Well-Log Data

पृथ्वी की सतह के बहुत नीचे, तेल और गैस कंपनियाँ इस बात को समझने के लिए तीन-आयामी (3D) मानचित्रों पर निर्भर करती हैं कि संसाधन कहाँ छिपे हुए हैं। ये मानचित्र कैमरे से ली गई तस्वीरें नहीं हैं; वे बिखरे हुए सुरागों से निर्मित जटिल परिकल्पनाएँ हैं। सुरागों का एक समूह भूकंपीय डेटा (seismic data) से आता है, जो ध्वनि तरंगों का उपयोग करके एक विस्तृत क्षेत्र में चट्टानी परतों की एक व्यापक, धुंधली तस्वीर बनाता है। दूसरा समूह वेल लॉग्स (well logs) से आता है, जो जमीन में खोदे गए संकीर्ण छिद्रों से लिए गए विस्तृत माप हैं, जो एक एकल ऊर्ध्वाधर रेखा के साथ उच्च-रिज़ॉल्यूशन की जानकारी प्रदान करते हैं। इन विरल मापों के बीच के स्थान को समझने के लिए, भूवैज्ञानिक खाली स्थानों को भरने हेतु भूवैज्ञानिक अवधारणाओं का उपयोग करते हैं। इसका परिणाम एक स्थिर जलाशय मॉडल (static reservoir model) होता है, जो भूमिगत चट्टान का एक डिजिटल प्रतिनिधित्व है जो इंजीनियरों को यह अनुमान लगाने में मदद करता है कि कितना तेल या गैस मौजूद है, अगला ड्रिलिंग कहाँ करना है, और तरल पदार्थ कैसे गति करेंगे, इसका निर्णय लेने में सहायता करता है। हालाँकि, इन मॉडलों के निर्माण में अनगिनत मानवीय निर्णय शामिल होते हैं, जैसे कि स्क्रीन पर एक लहरदार रेखा की व्याख्या करना या खुरदरे डेटा को सुचारू बनाना। जब ये विकल्प स्पष्ट रूप से लिखे नहीं जाते, तो अंतिम मानचित्र की जाँच करना या उसे दोहराना कठिन हो जाता है, जिससे विज्ञान छिपी हुई त्रुटियों के प्रति संवेदनशील हो जाता है और दूसरों के लिए इस कार्य से सीखना कठिन हो जाता है।

हाल ही में एक अध्ययन में, प्रैरी व्यू ए एंड एम यूनिवर्सिटी के शोधकर्ता इन्नोसेंट जे. अलुका ने इन भूमिगत मानचित्रों के निर्माण को व्यवस्थित करने का एक नया तरीका पेश करके इस समस्या का समाधान किया है। यह अध्ययन चट्टानी गुणों की गणना करने का कोई नया तरीका या तेल के भंडार का कोई नया प्रकार नहीं खोजता है। इसके बजाय, यह एक संरचित, चरण-दर-चरण ढांचा प्रस्तावित करता है जिसे 'रिप्रोड्यूसिबल इंटीग्रेटेड रिसर्वायर मॉडलिंग वर्कफ़्लो' (RIRMW) कहा जाता है। यह ढांचा जलाशय मॉडल के निर्माण को सॉफ्टवेयर क्लिकों के ढीले संग्रह के रूप में नहीं, बल्कि ऑडिट योग्य चरणों की एक सख्त श्रृंखला के रूप में मानता है। श्रृंखला के प्रत्येक चरण के लिए विशिष्ट इनपुट की आवश्यकता होती है, एक स्पष्ट रूपांतरण नियम का पालन किया जाता है, उपयोग किए गए प्रत्येक पैरामीटर को रिकॉर्ड किया जाता है, एक गुणवत्ता जांच से गुजरना पड़ता है, और अगले चरण पर जाने से पहले एक वर्ज़न वाला आउटपुट (versioned output) उत्पन्न करता है। इसका लक्ष्य पूरी प्रक्रिया को पारदर्शी बनाना है, यह सुनिश्चित करना कि प्रत्येक निर्णय और सेटिंग को प्रलेखित किया जाए ताकि कोई अन्य विशेषज्ञ उसी पथ का अनुसरण कर सके और उसी परिणाम तक पहुँच सके।

वास्तविक तेल क्षेत्रों के गोपनीय डेटा का उपयोग किए बिना इस विचार का परीक्षण करने के लिए, शोधकर्ता ने एक पूर्ण, कृत्रिम डेटासेट बनाया। यह कृत्रिम वातावरण एक भ्रंशयुक्त (faulted), स्तरित चट्टान संरचना का अनुकरण करता है जिसमें सैंडस्टोन (sandstone), शाली सैंडस्टोन (shaly sandstone) और शेल (shale) शामिल हैं। टीम ने नकली भूकंपीय चित्र, एट्रिब्यूट मैप्स (जो चट्टान की सीमाओं को उजागर करते हैं) और विस्तृत वेल लॉग्स तैयार किए जो एक ड्रिल द्वारा सामना किए जाने वाले परिवेश का अनुकरण करते हैं। इस नियंत्रित डेटा का उपयोग करते हुए, उन्होंने छह अलग-अलग मॉड्यूल के माध्यम से नए वर्कफ़्लो को चलाया। सबसे पहले, उन्होंने चट्टानों की परतों और भ्रंशों (faults) की पहचान करने के लिए भूकंपीय और वेल डेटा की व्याख्या की। दूसरे, उन्होंने एक स्ट्रक्चरल ग्रिड बनाया, जो एक डिजिटल कंकाल है जो चट्टान की परतों को उनकी जगह पर बनाए रखता है और उन भ्रंशों का सम्मान करता है जो उनमें से गुजरते हैं। तीसरे, उन्होंने चट्टान के प्रकारों के वितरण का अनुकरण किया, यह तय किया कि सैंडस्टोन और शेल 3D स्थान में कहाँ दिखाई देते हैं। चौथे, उन्होंने निरंतर गुणों जैसे कि पोरोसिटी (porosity - जो यह मापता है कि चट्टान में तरल पदार्थ को रखने के लिए कितनी खाली जगह है) और पारगम्यता (permeability - जो यह मापता है कि तरल पदार्थ कितनी आसानी से बह सकता है) का मॉडल बनाया। पांचवें, उन्होंने इन सभी टुकड़ों को एक एकल, सुसंगत 3D मॉडल में एकीकृत किया। अंत में, उन्होंने विभिन्न रैंडम सीड्स (random seeds) के साथ प्रक्रिया को कई बार चलाकर अनिश्चितता का आकलन किया ताकि यह देखा जा सके कि परिणाम कितने भिन्न हो सकते हैं।

इस प्रदर्शन के परिणामों ने दिखाया कि वर्कफ़्लो ने सफलतापूर्वक एक कृत्रिम जलाशय का एक सुसंगत, आंतरिक रूप से सुसंगत मॉडल तैयार किया। अंतिम मानचित्र ने दिखाया कि सैंडस्टोन बॉडीज को इस तरह से जोड़ा गया था जो भूवैज्ञानिक अवधारणाओं से मेल खाता था, जिसमें उच्च पोरोसिटी और पारगम्यता बेहतर गुणवत्ता वाले चट्टानी क्षेत्रों में केंद्रित थी। महत्वपूर्ण रूप से, प्रक्रिया ने प्रत्येक निर्णय का एक पूर्ण रिकॉर्ड सुरक्षित रखा। उदाहरण के लिए, अध्ययन में दर्ज किया गया कि प्रभावी पोरोसिटी शून्य से चालीस प्रतिशत के बीच थी, जिसका औसत विभिन्न सिम्युलेटेड परिदृश्यों में 17.6 प्रतिशत था। क्षैतिज पारगम्यता (horizontal permeability), जो प्रवाह का एक माप है, 0.1 से 1,000 मिलीडार्सी (millidarcies) के बीच थी, जो एक इकाई है जिसका उपयोग यह बताने के लिए किया जाता है कि तरल पदार्थ चट्टान के माध्यम से कितनी आसानी से चलते हैं। वॉटर सैटुरेशन (water saturation), जो यह दर्शाता है कि पोर स्पेस (pore space) में तेल के बजाय पानी कितना भरा है, को शून्य और एक के बीच मॉडल किया गया था। कई सिमुलेशन चलाकर, टीम यह दिखा सकी कि हालांकि प्रत्येक रन के बीच चट्टान की सटीक व्यवस्था थोड़ी भिन्न थी, फिर भी समग्र सांख्यिकी स्थिर रही, जिसमें मध्यिका (median) पोरोसिटी 17.3 प्रतिशत थी।

अध्ययन का एक प्रमुख निष्कर्ष यह है कि यह दृष्टिकोण विशेषज्ञ निर्णय की आवश्यकता को समाप्त नहीं करता है; बल्कि, यह उस निर्णय को दृश्यमान बनाता है। पारंपरिक परियोजनाओं में, एक भूविज्ञानी दो डेटा बिंदुओं को जोड़ने के बारे में एक विकल्प चुन सकता है, लेकिन वह विकल्प अक्सर एक मानसिक नोट या एक त्वरित स्केच बनकर रह जाता है। इस नए ढांचे में, वह विकल्प एक रजिस्टर में एक विशिष्ट पैरामीटर के रूप में दर्ज किया जाता है। यदि मॉडलर पोरोसिटी के आधार पर पारगम्यता का अनुमान लगाने के लिए किसी विशेष गणितीय नियम का उपयोग करने का निर्णय लेता है, तो वह नियम उपयोग किए गए विशिष्ट नंबरों के साथ लिखा जाता है। यह किसी भी समीक्षक को यह देखने की अनुमति देता है कि मॉडल कैसे बनाया गया था और यह समझने में मदद करता है कि यह ऐसा क्यों दिखता है। अध्ययन स्पष्ट रूप से उल्लेख करता है कि चूंकि उपयोग किया जाने वाला सॉफ्टवेयर मालिकाना (proprietary) है, इसलिए यह गारंटी देना असंभव है कि दो अलग-अलग कंप्यूटर ग्रिड के प्रत्येक सेल के लिए बिल्कुल समान संख्या उत्पन्न करेंगे। हालांकि, ढांचा यह सुनिश्चित करता है कि प्रक्रिया दोहराने योग्य है और परिणामों के पीछे का तर्क स्पष्ट है।

शोध अनिश्चितता के महत्व पर भी प्रकाश डालता है। क्योंकि जमीन से प्राप्त डेटा विरल होता है, इसलिए भूमिगत भाग का कोई एक "सही" मानचित्र नहीं होता है। कई अलग-अलग चट्टानी व्यवस्थाएं एक ही डेटा के अनुकूल हो सकती हैं। वर्कफ़्लो कई संभावित मॉडलों, या 'रियलाइजेशन' (realizations) के एक समूह को उत्पन्न करके इस समस्या का समाधान करता है। यह वैज्ञानिकों को संभावनाओं की सीमा देखने की अनुमति देता है, सबसे आशावादी परिदृश्य से लेकर सबसे निराशाजनक परिदृश्य तक। कृत्रिम परीक्षण में, शोधकर्ताओं ने दिखाया कि जबकि सैंडस्टोन चैनल का सटीक स्थान विभिन्न रन के बीच थोड़ा बदल सकता है, चट्टान का समग्र आयतन और कनेक्टिविटी एक अनुमानित सीमा के भीतर बनी रहती है। यह निर्णय लेने वालों को जोखिमों को समझने में मदद करता है, यह जानते हुए कि मॉडल एक एकल, संभावित रूप से भ्रामक सत्य के बजाय संभावनाओं के स्पेक्ट्रम का प्रतिनिधित्व करता है।

अंततः, यह कार्य औद्योगिक जलाशय मॉडलिंग की जटिल, अक्सर अपारदर्शी दुनिया और खुले, पुनरुत्पादक विज्ञान के सिद्धांतों के बीच एक सेतु के रूप में कार्य करता है। यह प्रदर्शित करता है कि भले ही आप उन वाणिज्यिक सॉफ्टवेयरों का उपयोग कर रहे हों जिनके आंतरिक कार्य छिपे हुए हैं, मॉडल बनाने की प्रक्रिया को पारदर्शी बनाया जा सकता है। चरणों को औपचारिक बनाकर और प्रत्येक निर्णय को रिकॉर्ड करके, यह ढांचा वैज्ञानिक समुदाय को अपने काम का ऑडिट करने, सीखने और उस पर आगे बढ़ने की अनुमति देता है। अध्ययन निष्कर्ष निकालता है कि हालांकि इस परीक्षण में उत्पन्न विशिष्ट संख्याएं कृत्रिम डेटा पर आधारित हैं और वास्तविक तेल भंडार का अनुमान नहीं लगा सकती हैं, लेकिन स्वयं विधि मजबूत है। यह यह सुनिश्चित करने का एक व्यावहारिक तरीका प्रदान करता है कि पृथ्वी के संसाधनों की खोज के लिए उपयोग किए जाने वाले जटिल डिजिटल मॉडल स्पष्ट तर्क और प्रलेखित साक्ष्य की नींव पर बने हैं, जिससे मानचित्रों के पीछे का विज्ञान उस डेटा जितना ही विश्वसनीय हो जाता है जो उन्हें फीड करता है।