地質・物探分野

ドロマイト貯留岩の成因解明による油田開発最適化

ドロマイトは地球上で普通に認められる鉱物の一つであり、油ガスを胚胎する貯留岩を構成する鉱物として重要です。
ドロマイトは古くから学術的に研究されてきましたが、常温・常圧下での実験によるドロマイトの生成に人類は未だ成功していないため、その成因に関しては不明な点が多く残されています。ドロマイトの形成には複数のモデルが提唱されており、その形成過程で貯留岩性状は良くなる場合もあれば悪くなる場合もあり、単純ではありません。
当社では、アラブ首長国連邦アブダビ沖の巨大油田で貯留岩を形成しているドロマイトに着目し、日本の大学との産学連携による共同研究で、学術的な地球化学的手法と当社が得意とする貯留岩性状評価手法を融合し、ドロマイト貯留岩の成因の解明に取り組んでいます。このような取り組みにより、油ガス田におけるドロマイト貯留岩の貯留岩性状の空間分布を明らかにし、それに基づいて掘削する井戸の位置やデザインを最適化することで、油ガスの効率的な回収を目指しています。

Yamamoto et al., 2018

参考文献

Yamamoto, K., Ottinger, G., Al Zinati, O., Takayanagi, H., Yamamoto, K. and Iryu, Y., 2018. Geochemical, petrographical, and petrophysical evaluations of a heterogeneous, stratiform dolomite from a Barremian oil field, offshore Abu Dhabi (United Arab Emirates).
Available at: https://archives.datapages.com/data/bulletns/2018/01jan/bltn17016/bltn17016.html

三次元露頭モデルの活用

地下地質を評価する際、参照できる地下の情報は質・量ともに限定されます。そのため、地表に露出する露頭は油ガス田における貯留岩の詳細な性状や広がりを評価する上で重要な参考情報として活用されています。また露頭は地下地質評価に関わる技術者が、開発対象となる貯留層のイメージを共有し、また理解を深めるための貴重な教材としても使われています。

当社では貯留岩評価の精度向上に向けて、露頭の岩相情報を詳細かつ効率的に収集すべく、2022年にドローン空撮を併用した地質調査を実施しました。ドローン空撮の際に測量を行い、正確な地理座標情報を取り込んだ精緻な三次元露頭モデルを作成することで、アクセス困難な崖に露出した堆積構造や岩相を観察・解釈することが可能となりました。また、露頭の形状や色相を電子保存することで、現地に再訪することなく露頭記載や地質情報を追加・補足することも可能となります。

当社では作成した三次元露頭モデルを活用し、地下地質モデルの精度向上に活用するとともに、社員教育のための教材としても活用していく予定です。

地下評価への機械学習適用

技術の進展により、地下地質に関しては比較的質の高い、多くの情報が得られるようになりました。しかしながら、依然として地下から入手できる情報には限りがあり、地下地質の評価に際しては、その精度向上と不確実性低減のために未だ多くの人手と費用が費やされています。

当社では、地下評価の精度向上・効率化を目指し、近年目覚ましい発展を見せる機械学習を適用した地下評価手法の開発に取り組んでいます。取り組みとしては、地震探査データから地下の弾性特性を逆解析する手法(Seismic inversion)や、その結果からさらに岩相や貯留岩性状を解析する手法(Quantitative seismic interpretation)の改良などがあります。

従来のSeismic inversion手法では、地震探査データに欠けている低周波成分を補完するモデルを既存坑井等から作成した上で逆解析することが一般的です。この際、坑井から離れた位置での低周波モデル作成の自由度が大きく、かつ低周波モデルが逆解析結果の精度を大きく左右するという課題がありました。また、Quantitative seismic interpretationにおいては、弾性特性と岩相や貯留岩性状との間の直接的な関係を元に解析するため、岩相の出現パターンなど既知の関連地下情報を解析に組み込むことが難しいという課題がありました。当社 では、こうした従来の解析手法に機械学習を導入し、低周波モデルへの依存度を低減させ、かつ既知の地下情報を統合的に扱える解析手法を開発しています。

Desaki et al., n.d.

参考文献

Desaki, S., Kobayashi, Y. and Fatwa, A., n.d. Seismic inversion method using convolutional neural network: A case study from the Abadi field.

AI/機械学習による断層自動解釈

地層内部における移動・集積への影響や、掘削障害となる可能性から、断層の位置や大きさを正確に把握することは、石油・天然ガスの探鉱・開発において非常に重要です。
地下の地質構造を把握するために現在最も多く利用されているのは、反射法地震探査と呼ばれる人工的に発生させた振動を用いた探査手法です。この手法により得られた地質構造の断面図を、当社専門家が目で見て主に手動にて「解釈」することで、地層境界や断層の存在を把握します。この解釈作業には、データ取得範囲によりますが、一般的に数週間から数ヶ月という期間を要します。さらに専門家による熟練した視点や判断に依存するため、複数人での分担作業の場合には解釈精度にはばらつきが生じます。

そこでこのような地下解釈作業には、機械学習を活用してより効率的・高精度な自動解釈手法が取り入れられています。当社は2019年時点である程度の品質で断層の自動解釈が可能で解釈作業を効率化することができるレベルに達していましたが、2022年現在はそのツールを有効活用するに至っています。INPEXではこの取組みを始めとして、地下評価の効率化・高精度化への検討を継続しています。