Description:

"Специальная тема First Break том 26 апрель 2008 Визуализация Интерпретация Массивно-параллельное построение изображений залежей углеводородов по данным электроразведки с использованием суперкомпьютера IBM Blue Gene. Massively parallel electrical conductivity imaging of hydrocarbons using the IBM Blue Gene L supercomputer Michael Commer,1* Gregory A Newman,1 James J. Carazzone,2 Thomas A. Dickens,2 Kenneth E. Green,2 Leslie A. Wahrmund,2 Dennis E. Willen,2 и Janet Shiu3 обсуждают практическое решение проблемы построения 3D изображения данных измерений полей активных источников электромагнитных излучений с использованием сверхмощного компьютера IBM. Версия этой статьи опубликована в IBM (Journal of Research and Development), том 52(1-2), 2008. Построение крупномасштабного трехмерного изображения по данным электромагнитной разведки (CSEM) для картирования потенциальных морских нефтяных и газовых залежей привлекает большое внимание. Для справления с типично обширными вычислительными потребностями задачи создания 3D изображения CSEM разрабатываются параллельные методики вычисления и оптимизированное конечно-разностное объединение. Мы сообщаем об опыте создания изображения, использующего 32,768 программных модулей (и программ обработки) на сверхмощном компьютере IBM Blue Gene L (BG L), установленного в Научно-исследовательском центре IBM T. J. Watson. Мы получили возможность создать изображение массива данных крупномасштабной морской съемки CSEM за 24 часа, что ранее требовало более четырех месяцев работы на 1024-узловом кластере с межузловым соединением InfiniBand. Суммарные начальные погрешности согласования данных могут быть уменьшены на 67% в течение 72 итераций преобразования, что позволило обнаружить область с повышенным сопротивлением в южном районе съемки на глубине 1500 м под морским дном. В невязках наибольший вклад вносят параллельные компоненты приемников, которые имеют смещение относительно траектории движения передатчиков (система наблюдений с поперечным выносом источника или приёмника). Моделирование подтверждает, что улучшенные совпадения данных системы с поперечным выносом источника приёмника могут быть получены при учете анизотропии удельной электропроводности. Между тем, обеспечивая удовлетворяющее крупномасштабное изображение для интересующих исследователя глубин, эксперимент дает важное доказательство необходимости различать горизонтальные и вертикальные компоненты электропроводности для наиболее согласованной 3D инверсии данных CSEM. Введение Сейсмические методы имеют длительную и общепризнанную историю применения в разведке углеводородов и являются очень эффективными при картировании геологических формирований коллекторов. Однако, эти методы не годятся для распознавания разнообразных типов флюидов коллекторов, содержащихся в поровом пространстве пород, таких как рассолы, вода, нефть и газ. Эта задача распознавания способствует разработке новых геофизических методологий, которые совместно с широко известными сейсмическими методами могут быть использованы для непосредственного отображения типа флюидов. Одна из новых многообещающих технологий использует низкочастотные электромагнитные поля (ЕМ) для картирования вариаций подповерхностной удельной электропроводности, или ее обратной величины (1 в омметрах), обычно называемой удельным сопротивлением, на нефтеи газоперспективных площадях. Удельное сопротивление является более выразительным количественным параметром для построения изображения залежей углеводородов. Увеличение удельного сопротивления, сопоставленное с геологической формацией, может непосредственно указывать на существование потенциальных коллекторов. Данные измерения электромагнитных полей показали, что оно очень чувствительно к изменениям типов поровых флюидов и локализации углеводородов, давая значительный скачок удельного сопротивления между углеводородами и флюидами, такими как рассолы или вода. В методике измерения CSEM используется буксируемый погруженный датчик с электрическим диполем, излучающий непрерывный низкочастотный (~0.1 до 10 Гц) сигнал ЕМ, который измеряется на морском дне детекторами электрического и магнитного поля. Боковой вынос детекторов может достигать 15 км. Данные первоначально накапливаются во временной области. Преобразование в частотную область включает применение функционального окна с характеристиками, определенными собственной частотой сигнала, которая в современной съемке составляет 0.125 Гц. Для распространения на большие глубины обычно используются при съемке датчики с множественными частотами возбуждения. Современные технологии требуют для получения информации о глубинах до 4 км применения низкочастотных электромагнитных сигналов (<1 Гц). В настоящее время разведка методом CSEM при поисках углеводородов распространяется в область довольно сложных геологических условий морской съёмки. Геометрия коллекторов по существу является трехмерной и чрезвычайно сложна для картирования без помощи анализа 3D ЕМ изображений, требующих высокоточную параметризацию модели, увеличение плотности измерений и многокомпонентную регистрацию. Задача создания 3D изображения, которая в этой статье относится к инверсионной задаче, как правило, требует больших вычислительных ресурсов, обусловленных дорогостоящим в вычислительном отношении решением задачи последующего моделирования, то есть имитационного. Авторы: 1 Lawrence Berkeley National Laboratories, Berkeley, California 94720. 2 ExxonMobil Upstream Research Company, Houston, Texas 77252. 3 IBM Deep Computing Group, Two Riverway, Houston, Texas 77056. Corresponding author, E-mail: MCommer@lbl.gov. (c) 2008 EAGE www.firstbreak.org Специальная тема First Break том 26 Апрель 2008 Визуализация Интерпретация Моделирования поля ЕМ на 3D конечно-разностной (FD) сетке. Более того, огромные объемы данных требуют много последующих решений по схеме итеративной инверсии. Поэтому мы разработали алгоритм построения изображения, который использует два уровня параллелизма, один применяемый к моделируемому объему (или объему изображения), и другой, применяемый к объему исходных данных. Алгоритм допускает обработку произвольных объёмов исходных данных, предусматривая использование неограниченного количества параллельных процессов при минимизации числа передаваемых между процессами сообщений. Кроме того, мы разработали оптимальные процедуры построения сеток, которые позволили нам отделить пространственные сетки от сети моделирования. Это позволило добиться существенного ускорения моделирования трёхмерных электромагнитных полей, что напрямую влияет на время решения задачи построения трехмерного изображения. В этой работе мы представляем исследование по построению изображения с использованием 32,768 программных модулей на сверхмощном компьютере IBM Blue Gene L (BG L) в научно-исследовательском центре IBM T. J. Watson. Новизна этого эксперимента заключается как в плане использования вычислительных ресурсов, так и в плане объёмов обрабатываемых данных. Наша основная цель заключалась в том, чтобы дать обоснованное исследование эффективности разработанного алгоритма. Более того, полученные результаты помогут также в проектировании предстоящих крупномасштабных съемок CSEM и усовершенствовании метода автоматического построения изображений, используемых для интерпретации. Постановка задачи Мы формулируем инверсионную задачу, упомянутую во введении, как задачу нахождения модели m из m частей с постоянными параметрами удельной электропроводности, которые описывают модели среды, воспроизводящие представленный массив данных. Таким образом, алгоритм инверсии минимизирует следующий функционал погрешности: \[ \min_m \left( \frac{1}{2} \| D_{nn} (d_{obs} - d_p(m)) \|^2 + \alpha W_{mm} m^T V_2 m \right) \] где стартовая модель \(m\) и векторы наблюденных данных обозначены \(d_{obs}\) и \(d_p\), соответственно, где каждый имеет n комплексных компонент. Эти векторы состоят из значений электрического и магнитного полей, определенных в точках измерения, где прогнозные данные определяются путем решения гармонических по времени трехмерных уравнений Максвелла в диффузной аппроксимации. В функционал погрешности мы также ввели диагональную весовую матрицу \(D_{nn}\), чтобы компенсировать помехи измерений. Чтобы стабилизировать минимизацию уравнения (1) и уменьшить кривизну модели в трехмерном пространстве, мы ввели матрицу \(W_{mm}\), основанную на FD аппроксимации оператора Лапласа (\(V_2\)) в декартовых координатах. Параметр \(\alpha\) пытается скомпенсировать погрешность измерений и ограничить гладкость (однородность) модели. Прямая задача В рамках алгоритма решения обратной задачи прямая задача решается многократно для вычисления электромагнитного поля, обозначенного вектором \(E\), и, таким образом, данными \(d_p\) для заданной модели \(m\). Распространение электромагнитной волны описывается векторным уравнением Гельмгольца (2), где вектор источника, магнитная проницаемость свободного пространства и угловая частота обозначаются \(J\), \(\mu_0\) и \(\omega\), соответственно (см. Alumbaugh et al., 1996, для детального рассмотрения). Наш метод решения базируется на рассмотрении того, что число модельных параметров, требуемых для моделирования реального трехмерного распределения удельной электропроводности может обычно превосходить \(10^7\). Схемы моделирования FD идеально удовлетворяют требованиям нашей задачи и могут проводиться параллельно с выполняемыми вручную крупномасштабными задачами, которые не могут быть..." Ключевые слова: break, измерение, уравнение, сетка моделирование, процесс, показанный, итерация инверсия, профиль, размер, ibm, числовой, метод, вычисление, частота, решение прямой, чувствительный, масштаб, интерпретация, связанный, справиться, moskow, инверсия, вертикаль, объём, изображение, визуализация, leading, горизонталь, использовать, использование, градиент, eage, положение, линия наблюдение, сопротивление, диск, приложение, geophysical, визуализация интерпретация, функционал, система, приемник, электрический, область, направление перпендикулярный, зависеть, модельный, тема, эффективный, ячейка, zhao, pavlov, firstbreak, источник возбуждение, вынос, трёхмерный, получить, соответствие, break апрель, прямой задача, firstbreak org, процессор, newman, sinha, датчик, трехмерный, специальный тема, определённый, alumbaugh, удельный, погрешность, показать, klein, leading edge, включать, приёмник, результат, модель, требовать, поле, наблюсти, вычислительный ресурс, предвычисленный, полученный, сетка, построение, green, boggs, детальный рассмотрение, компонент, edge, крупномасштабный, общий, электрический поле, апрель, значение, содержать, csem, специальный, удельный сопротивление, морской, macgregor, зависимость, проводимость, направление, источник, детектор, моделирование, точка, электропроводность, johansen, lc, анизотропия, объем, матрица, наблюдение, горизонтальный, org, инверсионный, наблюденный, решение, задача, глубина, построение изображение, гораздо, гц, электромагнитный, соответствовать, вычислительный, диапазон глубина, burtz, меняться, съёмка, схема, constable, модельный сетка, итерация, вектор, параллельный, поперечный вынос, поперечный, углеводород, интервал, bg, дать, линия, алгоритм, прямой