איתור מרבצים עם AI: מודלים שמפחיתים את סיכוני הקידוח ב-35%

AI בגילוי גיאולוגי: היכן הנתונים הולכים לאיבוד וסיכוני הקידוח עולים

באתר בוגר, ההיסטוריה כמעט תמיד מונחת במצב מעורבב: קוביות סייסמיות בפרויקטים ישנים, לוגים — בטבלאות מפוזרות, מסקנות מקמפיינים קודמים — בדוחות ומצגות. פורמטים SEG-Y ו-LAS, מערכות קואורדינטות שונות, צעדי דגימה ועומקי דיגום — איש לא הביא אותם לצורה אחידה; כל קמפיין נעשה למשימה משלו.

הגיאופיזיקאי מאחד זאת ידנית, והאי-הומוגניות של הנתונים עוברת באופן בלתי מורגש לאי-ודאות בתחזית המאגר.

אחר כך נכנסת למשחק מחיר הטעות. גבול המאגר נקבע לפי פרשנות סובייקטיבית אחת, וגרסאות חלופיות נשארות בראש של מישהו אחר ואינן נבדקות. אם השכבה מתגלה כמחולקת או שהיא מתחדדת, הבאר מגיעה למים — הסיכון לבאר יבשה מתממש במקום שבו כבר בוצעו ההשקעות.

AI בגילוי גיאולוגי סוגר בדיוק את הפער הזה. המודל מתאמן על כל ההיסטוריה הזמינה של האתר — סייסמיקה, לוגים, תוצאות קידוח קודמות — ומייצר לא קו אחד, אלא מפת הסתברות עם הערכת אי-ודאות לכל נקודה. הפרשנות הגיאופיזית מפסיקה להיות תלויה במי שצופה היום בחתך.

נקודות לקידוח מדורגות לפי תפוקה צפויה ולפי יציבות תחזית המאגר בשינויים בנתוני הקלט. בהמשך נסביר כיצד זה בנוי ובזכות מה מצליחים להפחית את הסיכון לבאר יבשה.

מה נותנת מודל חיזוי: דיוק, לוחות זמנים, סוגי כשלים

מודל חיזוי אינו מחליף את המפרש, אלא נותן מבט שני ובלתי תלוי בנתונים. מכלול אלגוריתמים מתאמן על קוביות סייסמיות, לוגים ותוצאות ממשיות של בארות שכבר נקדחו, ונבדק על בארות עדות שלא נראו באימון.

לכל נקודה מופקת הסתברות למאגר פרודוקטיבי ומפת אי-ודאות: במקום שבו האלגוריתמים חלוקים, ההחלטה עוברת לניתוח נוסף ולא לתוכנית הקידוח.

הכנת מודל גיאולוגי מפסיקה להיות שלב נפרד שנמשך ימים רבים. חישוב מחדש על קובייה חדשה אורך שעות, ולכן המודל מתעדכן אחרי כל באר, ולא פעם בעונה — הפער בין התחזית למציאות נראה מיד, לפני שהוא מצטבר. את התוצאה אנו מוסרים בפורמטים של פרויקט Petrel, והגיאולוג נשאר בסביבת הפרשנות המוכרת.

צמצום הבארות היבשות מתחיל בדירוג נקודות: המודל מסדר את המטרות לפי הסתברות, והראשונות בתוכנית הן נקודות עם ההתאמה המקסימלית בין הסייסמיקה ללוגים. במקום שבו יש מספיק נתונים לכיול, שיעור נקודות הקידוח המאושרות עולה ב-15–25 נקודות — זה ההבדל בין השערת חיפוש לתוכנית עבודה.

סוג נפרד של כשלים שנמנעו — שגיאות פרשנות באיחוי ידני של נתונים ברזולוציות שונות: אזורי התחדדות שהוחמצו, גבולות מאגר שהוזזו, העתקים דו-משמעיים.

המודל אינו יוצר מידע חדש, אבל בודק כל גרסה של הגיאולוג באותה פרוצדורה — החזרתיות של הבדיקה מסירה את השגיאות שאדם עושה בלוחות זמנים לחוצים.

גישות ב-AI לחקר גיאולוגי: פיילוט, פרויקט, ליווי

לפני שמפעילים מודל בשדה, כדאי להשוות אותו למה שכבר קיים: ארכיוני לוגים וסייסמיקה, היסטוריית קידוח, ונהלי פרשנות פעילים. קיימים שלושה פורמטים של עבודה, והם נבדלים לא בהיקף, אלא במידת ההטמעה של המודל בהחלטות על הנכס.

הפורמטים אינם סותרים זה את זה: פיילוט על ארכיון הופך בדרך כלל למודל לנכס, וזה — לליווי. הבחירה תלויה בשאלה אם הנתונים הובאו לצורה אחידה והאם יש בצוות אדם שאחראי על עדכון המודל.

שלבי העבודה: מביקורת נתונים ועד מסירת המודל

העבודה מתנהלת באיטרציות, ולא במעבר ארוך אחד: קודם בודקים אם הנתונים בכלל מאפשרים להציב את המשימה, ורק אחר כך מאמנים את המודל. סדר כזה מקבע היכן קל לפספס שגיאה — בקישור עומקים, בדליפת נתונים בין בארות שכנות — והיכן התחזית נבדקת באופן בלתי תלוי.

1. ביקורת נתונים גיאולוגיים. עורכים מלאי של סייסמיקה, לוגים, תוצאות קידוח ודוחות היסטוריים, מאחדים לקואורדינטות ולסימוני עומק אחידים, ומסמנים חוסרים ומדידות לא אחידות.
2. הגדרת משימת המודל. מנסחים מה בדיוק אנו חוזים — סוג מאגר, הסתברות למרווח פרודוקטיבי או תכונות שכבה — ואת המדד שלפיו הגיאולוג מכיר בתחזית כמתאימה להחלטה על קידוח.
3. אימון ובחירת השערות. משווים כמה מודלים על חלוקה לפי אזורים, ולא לפי נקודות בודדות: אחרת המודל זוכר בארות שכנות ומראה תוצאה טובה במקום שאין כזו.
4. אימות התחזית. בודקים על מדגם מוחזק ועל אזורים עם בארות שכבר נקדחו, וסופרים בנפרד אובייקטים שהוחמצו והתראות שווא — כך נראית העלות של כל טעות.
5. אזור פיילוט. מריצים את המודל על שטח אמיתי, משווים למפות גיאולוגיות, ומדייקים את מערך המאפיינים ואת סף ההפעלה.
6. הטמעה ומסירת המודל. מטמיעים חישוב מחדש שוטף במעגל העבודה, מוסרים תיעוד עם מגבלות ומאמנים את צוות הלקוח — כדי שהפתרון יעבוד בלעדינו.

הרכב התוצאה: מודלים, תיעוד, נהלים

התוצאה של העבודה אינה «קופסה שחורה» עם תחזיות, אלא ערכה שהלקוח יכול ללוות ולפתח בלעדינו. להלן מה אנו מוסרים ובאיזה אופן, כדי שהמודל יישאר ניתן לניהול גם כמה עונות אחרי ההפעלה.

מה נשאר אצל הלקוח

• סכמת נתונים: רשימת מקורות (סייסמיקה, לוגים, גיאוכימיה, מסקנות היסטוריות), כללים להבאה לצורה אחידה, תדירות עדכון ואחראי על הטעינה.
• סכמת מאפיינים עם נימוק: אילו פרמטרים משפיעים על התחזית, אילו הוצאו כדליפה ומדוע — כדי שהוספת נתונים חדשים לא תשבור את ההיגיון.
• מודלים מאומנים במעגל העבודה עם גרסה מקובעת ויכולת לחזור לקודמת בלי לאבד את היסטוריית התחזיות.
• דוח מדדים: שיעור פגיעות נכונות וכיסוי באזורים פרוספקטיביים, בנפרד — שגיאות מסוג ראשון ושני, מאחר שהחמצת מאגר ובאר מיותרת משפיעים באופן שונה.
• תיעוד המודל: מה בדיוק הוא חוזה, על איזה היקף נתונים אומן, גבולות הישימות והטיות ידועות — לפי אזורים וסוגי משקעים.
• נוהל אימון מחדש: טריגרים (בארות חדשות, ירידת מדדים, שינוי שיטת פרשנות), סדר בדיקה על מדגם מוחזק ותנאי קבלה לעדכון.
• נוהל בקרת איכות: השוואת תחזיות להערכת מומחים של גיאולוגים, יומן גרסאות, קריטריוני עצירה וסדר ניתוח פערים.
• הנחיות לגיאולוגים: כיצד לקרוא מפת פרוספקטיביות והערכת הסתברות, כדי שמומחים שונים יפרשו תוצאה אחת באותה צורה.

כל סעיף נמסר בפורמט שמתאים לביקורת פנימית: גרסאות ביומן, מדדים ניתנים לשחזור, החלטות ניתנות להסבר. הצוות מלווה את הערכה בכוחות עצמו, ואנחנו מצטרפים בשלב של בחינה מחדש של המודל או הרחבה לאזור חדש. תארו את המשימה — נחזור עם הערכה ותוכנית.

מקרה בוחן: הפחתת סיכוני קידוח במאגר עם גיאולוגיה מורכבת

אזור עם גיאולוגיה מורכבת — טקטוניקת העתקים ומאגר בעל שכבות דקות, שבו בארות שכנות חושפות מרווחים שונים. הסייסמיקה בו פורשה מחדש לא פעם, אבל החלטה על נקודת קידוח הצוות הכין 6-8 שבועות: איחוי לוגים, סייסמיקה ונתוני בארות קודמות לייצוג אחד ביד לא הצליח להיות מהיר יותר. מתוך 12 נקודות שנקדחו, 6 אושרו.

במקרה בוחן זה של גילוי גיאולוגי אספנו ארכיון — קוביות סייסמיות, לוגים לפי בארות, היסטוריית קידוח עם סימונים של נקודות מאושרות ובלתי מאושרות. הנתונים הובאו לרשת אחידה, סומנה התוצאה של כל באר קודמת, ואומן מודל על הסימון הזה.

בתפוקה הגיאולוג מקבל מפת הסתברות ומפת אי-ודאות: רואים לא רק «כאן פרוספקטיבי», אלא גם היכן חסרים נתונים באופן אובייקטיבי ונדרש סקר נוסף. התוצאות הושוו לפרשנות ב-Petrel.

מדדים לפני ואחרי

הפחתת סיכוני הקידוח כאן נותנת לא «חיזוי מאגר», אלא סינון של אזורים שבהם הסייסמיקה אינה נושאת מידע על המאגר. שיעור הנקודות המאושרות עלה משום שהמודל מסמן במפורש אזורים שנויים במחלוקת — לגביהם מקבלים החלטה לאחר סקר נוסף, ולא מתוך אינרציה.

במה שונה תחזית AI מפרשנות קלאסית של נתונים?

פרשנות קלאסית נבנית על מודל גיאולוגי שהמומחה מרכיב ידנית: סייסמיקה, לוגים, ליבה, נתוני בארות שכנות. היא מסבירה מדוע המלכודת נוצרה, אבל באזורים עם רשת תצפיות דלילה המסקנה נתקלת בניסיון האישי — על אותו חומר שני גיאולוגים לא פעם נותנים הערכות שונות של פרוספקטיביות.

המודל עובד עם אותו חומר אחרת. אימון על נתונים היסטוריים מבארות שכבר נקדחו מאפשר לבדוק אלפי צירופי מאפיינים ולמצוא תלויות במקום שבדיקה ידנית אינה ריאלית. בתפוקה — לא «לקדוח או לא» בינארי, אלא מפת הסתברויות עם הערכת אי-ודאות ורשימה מדורגת של אזורים.

בדיקת התחזית נעשית על בארות מוחזקות שהמודל לא ראה באימון, ולפי תוצאות הקידוח בפועל. בודקים את שיעור המטרות המאושרות ואת יציבות המסקנה בשינוי מדגם האימון: אם ההערכה «צפה», האזור עובר לא לתוכנית העבודה אלא לרשימה להשלמת מחקר. אזורים שבהם הפער בין המודל למומחה הוא מקסימלי נבחנים ידנית בראש ובראשונה.

לכן המומחה אינו מוצא מהתהליך. המודל מכסה את ההיקף ואת החזרתיות — הוא עובר באופן אחיד על כל המערך ואינו מחמיץ אנומליות חלשות; הגיאולוג אחראי למשמעות הגיאולוגית ולהחלטה על קידוח. ויתור על המומחה אינו מתוכנן: פער בין המסקנות הוא אות לבדוק מחדש את הנתונים, ולא סיבה לסמוך על צד אחד.

מה מבהירים לפני ההתחלה: שאלות על נתונים ומודלים

לפני ההתחלה אנו מקבעים דרישות לנתונים: לוגים לפי בארות, קוביות סייסמיות, תוצאות בדיקות וקישור קואורדינטות — במערכת קואורדינטות אחידה ועם היסטוריית עריכות.

בנפרד אנו מחשבים את היקף המדגם: אם בארות מאושרות עם מערך מדידות מלא קטנות מהנדרש לאימון יציב, חלק מהמסקנות נבנות על פיזיקת השכבה ולא על סטטיסטיקה.

קובצי הייצוא אצל קבלנים כמעט תמיד בפורמט שונה: אצל אחד לוגים ב-LAS עם שמות עקומות שרירותיים, אצל אחר סייסמיקה עם צעד רשת אחר. אנו מביאים הכול לסכמה אחידה ולמילון מאפיינים — אחרת המודל לומד על מספרים שאינם ברי-השוואה. להלן הספקות שצפים לרוב בשלב הזה.

לכל קבלן יש פורמט ייצוא משלו — זו בעיה?

לא, אם מטפלים בזה בכניסה. כותבים ממירים לכל מקור ומילון התאמה של עקומות, ומקבעים כללי פסילה. בתפוקה — מערך נתונים אחד, שממנו מדגם האימון נאסף באופן ניתן לשחזור.

האם מודל מאזור אחד יעבוד על אזור שכן, ומי אחראי לתחזית?

כנקודת מוצא — כן, כתשובה מוכנה — לא: בודקים על בארות מוחזקות של האזור השכן ורואים היכן הדיוק יורד. המודל נותן הסתברות, וההחלטה על קידוח היא של הגיאולוג. אנחנו אחראים לשחזוריות: גרסאות נתונים, קוד ומודל, מדדים על מדגם מוחזק, ויומן שינויים.

נדון במשימה: הרכב השלב הראשון ומה נדרש מכם

השלב הראשון אינו דורש ארכיון מלא: כדי לחזור עם הערכה ותוכנית, די לנו להבין את הגיאולוגיה של האזור, את היקף הנתונים שכבר נאספו ואת ההחלטות על קידוח שצפויות להתקבל. להלן המינימום שממנו מתחיל הניתוח.

• גבולות האזור והמרווח המיועד: קואורדינטות במערכת שלכם, עומקים, סטרטיגרפיה.
• סייסמיקה בצורתה המקורית — קוביות ופרופילים עם ציון קוטביות, צעד ועיבוד שבוצע, או ייצוא מהמאגר שלכם.
• לוגים ונתונים לפי בארות: עקומות, אינקלינומטריה, סימוני שכבות, תוצאות בדיקות.
• היסטוריית קידוח: היכן קדחו, מה התקבל, אילו מרווחים היו ריקים או תקולים — על זה המודל לומד.
• המשימה בניסוח שלכם: דירוג אזורים פרוספקטיביים, תחזית מאגר או הערכת סיכון לנקודת קידוח מסוימת.
• מגבלות: כללי ייצוא נתונים, דרישות לאחסון ולהרשאות, מי מצד הלקוח מאשר את התוצאה.

חלק מהרשימה בדרך כלל חסר — אז אנו מקבעים את הפערים ומחליטים אם לסגור אותם באיסוף נתונים נוסף או בצמצום ההגדרה. בהמשך אנו מסתכלים על ההיקף והאיכות, בודקים איזה אופק תחזית הוא ריאלי, וחוזרים עם תוכנית לשלב הראשון: הרכב העבודות, תחום האחריות של כל צד, ולפי אילו מדדים נחשב את התוצאה.

אם יש מעט מדי נתונים לאימון, נאמר זאת לפני ההתחלה, ולא באמצע הפרויקט. תארו את המשימה בצורה נוחה — נתאם את נקודת ההתחלה של העבודות.