Published March 23, 2022
| Version v1
Publication
Open
Hyperspectral data as a proxy for porosity estimation of carbonate rocks
Creators
- 1. Universidade do Vale do Rio dos Sinos
- 2. Universidade Estadual de Campinas (UNICAMP)
- 3. Pontifical Catholic University of Rio de Janeiro
- 4. Petrobras (Brazil)
Description
Rock porosity is one of the most significant parameters in fluid-flow simulation in the context of carbonate reservoirs. The hydrocarbon industry uses porosity to assess the production potential of oil and gas in carbonate environments. Traditional methods to determine porosity are limited to discrete measurements and generally demand extra resources associated with careful analysis of logs, rock sampling and laboratory analysis. This paper investigates an alternative to estimate porosity in carbonate rocks using pointwise hyperspectral data and machine learning. The method is contiguous, does not require rock sampling and was validated in various rock plug samples collected from two distinct carbonate outcrops. The samples were analysed in the laboratory to determine ground-truth values for the effective porosity and reflectance in visible and infrared regions of the spectra. The supervised regression methods applied were able to estimate a robust relationship between the effective porosity of carbonate rocks and spectral behaviour in characteristic spectral features of carbonate, hydroxyl, molecular water and Fe/Mn. The results obtained here suggest the soundness of the indirect approach to estimate porosity with most of the models trained achieving a coefficient of determination above 0.8 and mean absolute deviation of less than 2%.KEY POINTSHyperspectral data can be used as proxy for porosity estimation in carbonate rocks.All the tested learners achieved R2 greater than 0.7.Regularised linear regression can be used to estimate porosity.Support vector regression estimation of porosity achieves a mean absolute error of 1.0249 in our dataset.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
تعد مسامية الصخور واحدة من أهم المعلمات في محاكاة تدفق السوائل في سياق خزانات الكربونات. تستخدم صناعة الهيدروكربونات المسامية لتقييم إمكانات إنتاج النفط والغاز في بيئات الكربونات. تقتصر الطرق التقليدية لتحديد المسامية على القياسات المنفصلة وتتطلب عمومًا موارد إضافية مرتبطة بالتحليل الدقيق للسجلات وأخذ عينات الصخور والتحليل المختبري. تبحث هذه الورقة في بديل لتقدير المسامية في صخور الكربونات باستخدام بيانات فرط الطيف النقطية والتعلم الآلي. الطريقة متجاورة ولا تتطلب أخذ عينات صخرية وتم التحقق من صحتها في عينات سدادة صخرية مختلفة تم جمعها من نتوءين كربونيين متميزين. تم تحليل العينات في المختبر لتحديد قيم الحقيقة الأرضية للمسامية والانعكاس الفعالين في المناطق المرئية والأشعة تحت الحمراء للأطياف. كانت طرق الانحدار الخاضعة للإشراف المطبقة قادرة على تقدير العلاقة القوية بين المسامية الفعالة لصخور الكربونات والسلوك الطيفي في السمات الطيفية المميزة للكربونات والهيدروكسيل والماء الجزيئي والحديد/المنغنيز. تشير النتائج التي تم الحصول عليها هنا إلى سلامة النهج غير المباشر لتقدير المسامية حيث حققت معظم النماذج المدربة معامل تحديد أعلى من 0.8 ومتوسط انحراف مطلق أقل من 2 ٪. يمكن استخدام البيانات الطيفية الفائقة كبديل لتقدير المسامية في صخور الكربونات. حقق جميع المتعلمين الذين تم اختبارهم R2 أكبر من 0.7. يمكن استخدام الانحدار الخطي المنتظم لتقدير المسامية. يحقق تقدير انحدار متجه الدعم للمسامية خطأ مطلق متوسط قدره 1.0249 في مجموعة البيانات الخاصة بنا.Translated Description (French)
La porosité de la roche est l'un des paramètres les plus importants dans la simulation de l'écoulement des fluides dans le contexte des réservoirs de carbonate. L'industrie des hydrocarbures utilise la porosité pour évaluer le potentiel de production de pétrole et de gaz dans des environnements carbonatés. Les méthodes traditionnelles de détermination de la porosité se limitent à des mesures discrètes et nécessitent généralement des ressources supplémentaires associées à une analyse minutieuse des grumes, à l'échantillonnage des roches et à l'analyse en laboratoire. Cet article étudie une alternative pour estimer la porosité dans les roches carbonatées en utilisant des données hyperspectrales ponctuelles et l'apprentissage automatique. La méthode est contiguë, ne nécessite pas d'échantillonnage de roche et a été validée dans divers échantillons de bouchons de roche prélevés sur deux affleurements carbonatés distincts. Les échantillons ont été analysés en laboratoire pour déterminer les valeurs de vérité au sol pour la porosité et la réflectance efficaces dans les régions visibles et infrarouges des spectres. Les méthodes de régression supervisées appliquées ont permis d'estimer une relation robuste entre la porosité effective des roches carbonatées et le comportement spectral dans les caractéristiques spectrales caractéristiques du carbonate, de l'hydroxyle, de l'eau moléculaire et du Fe/Mn. Les résultats obtenus ici suggèrent la pertinence de l'approche indirecte pour estimer la porosité avec la plupart des modèles formés atteignant un coefficient de détermination supérieur à 0,8 et une déviation absolue moyenne inférieure à 2%. Les données hyperspectrales peuvent être utilisées comme approximation pour l'estimation de la porosité dans les roches carbonatées. Tous les apprenants testés ont atteint R2 supérieur à 0,7. La régression linéaire régularisée peut être utilisée pour estimer la porosité. L'estimation de la régression vectorielle de soutien de la porosité atteint une erreur absolue moyenne de 1,0249 dans notre ensemble de données.Translated Description (Spanish)
La porosidad de la roca es uno de los parámetros más significativos en la simulación del flujo de fluidos en el contexto de los yacimientos de carbonato. La industria de hidrocarburos utiliza la porosidad para evaluar el potencial de producción de petróleo y gas en ambientes carbonatados. Los métodos tradicionales para determinar la porosidad se limitan a mediciones discretas y generalmente exigen recursos adicionales asociados con un análisis cuidadoso de troncos, muestreo de rocas y análisis de laboratorio. Este artículo investiga una alternativa para estimar la porosidad en rocas carbonatadas utilizando datos hiperespectrales puntuales y aprendizaje automático. El método es contiguo, no requiere muestreo de rocas y se validó en varias muestras de tapones de roca recolectadas de dos afloramientos de carbonato distintos. Las muestras se analizaron en el laboratorio para determinar los valores de verdad del terreno para la porosidad y reflectancia efectivas en las regiones visibles e infrarrojas de los espectros. Los métodos de regresión supervisados aplicados fueron capaces de estimar una relación robusta entre la porosidad efectiva de las rocas carbonatadas y el comportamiento espectral en rasgos espectrales característicos de carbonato, hidroxilo, agua molecular y Fe/Mn. Los resultados obtenidos aquí sugieren la solidez del enfoque indirecto para estimar la porosidad, ya que la mayoría de los modelos entrenados lograron un coeficiente de determinación superior a 0,8 y una desviación absoluta media de menos del 2% .PINTES claveLos datos hiperespectrales se pueden utilizar como proxy para la estimación de la porosidad en rocas carbonatadas. Todos los alumnos evaluados lograron un R2 superior a 0,7. La regresión lineal regularizada se puede utilizar para estimar la porosidad. La estimación de la regresión del vector de soporte de la porosidad logra un error absoluto medio de 1,0249 en nuestro conjunto de datos.Files
34492653.pdf.pdf
Files
(897.3 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:ce28f071ed27a0a85c19ce962bded852
|
897.3 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- البيانات الطيفية الفائقة كبديل لتقدير مسامية صخور الكربونات
- Translated title (French)
- Données hyperspectrales comme approximation pour l'estimation de la porosité des roches carbonatées
- Translated title (Spanish)
- Datos hiperespectrales como proxy para la estimación de la porosidad de las rocas carbonatadas
Identifiers
- Other
- https://openalex.org/W4220840343
- DOI
- 10.1080/08120099.2022.2046636
References
- https://openalex.org/W1964357740
- https://openalex.org/W1967241124
- https://openalex.org/W1983865151
- https://openalex.org/W1984087100
- https://openalex.org/W1986530877
- https://openalex.org/W1988115241
- https://openalex.org/W2016376046
- https://openalex.org/W2018194343
- https://openalex.org/W2019038438
- https://openalex.org/W2023062290
- https://openalex.org/W2032051744
- https://openalex.org/W2040870580
- https://openalex.org/W2055191700
- https://openalex.org/W2062515694
- https://openalex.org/W2071627340
- https://openalex.org/W2094242191
- https://openalex.org/W2100483895
- https://openalex.org/W2136625467
- https://openalex.org/W2146294843
- https://openalex.org/W2160305377
- https://openalex.org/W2417828621
- https://openalex.org/W2572206166
- https://openalex.org/W2620680725
- https://openalex.org/W2744897283
- https://openalex.org/W2766894300
- https://openalex.org/W2807838313
- https://openalex.org/W2901222225
- https://openalex.org/W2902866953
- https://openalex.org/W2911964244
- https://openalex.org/W2960241714
- https://openalex.org/W2972939024
- https://openalex.org/W3001471929
- https://openalex.org/W3010559252
- https://openalex.org/W3016100336
- https://openalex.org/W3038002286
- https://openalex.org/W3044838522
- https://openalex.org/W3085820219
- https://openalex.org/W4210934093
- https://openalex.org/W4232238042
- https://openalex.org/W4237924588
- https://openalex.org/W4244147420
- https://openalex.org/W4297957988
- https://openalex.org/W560598676