Mục đích của để tài
Dữ liệu thời tiết khí hậu là yếu tố quan trọng trong việc xác định nhu cầu tưới tiêu cho mùa màng Mật độ và vị trí của các trạm thời tiết cần được thiết kế để nâng cao độ chính xác của dữ liệu Kế hoạch thiết kế mạng lưới trạm thời tiết nên xem xét yếu tố kinh tế, với sự kết hợp giữa các trạm đa năng và các trạm riêng biệt có thể mang lại hiệu quả chi phí Trạm thời tiết đa năng thu thập tất cả các biến số thời tiết cần thiết cho phương trình Penman, trong khi trạm riêng biệt chỉ thu thập một số biến Độ chính xác của ước tính thoát hơi nước tham chiếu (Etr) phụ thuộc vào sai số đo lường, sai số trong phương trình ước lượng và sai số nội suy, mà sai số nội suy lại bị ảnh hưởng bởi cấu trúc không gian của các biến số thời tiết Một nghiên cứu đã sử dụng dữ liệu khí hậu hằng ngày từ 17 trạm ở Nebraska, Kansas và Colorado trong giai đoạn 1898-1990 để so sánh các thiết kế mạng lưới trạm và phương pháp nội suy.
Lên kế hoạch cho tưới tiêu là phương pháp dự đoán thời gian giữa các lần tưới, đóng vai trò quan trọng trong nông nghiệp và phát triển đất nước trong tương lai.
3 Lý thuyết cơ bản của các trạm thời tiết riêng phần :
Việc lập kế hoạch cho mạng lưới trạm đo thời tiết và khí hậu đã được nhiều nhà nghiên cứu thực hiện trong nhiều năm, trở thành nhu cầu thiết yếu nhằm tối ưu hóa việc sử dụng dữ liệu khí hậu học Một trong những công trình nổi bật trong lĩnh vực này là nghiên cứu của Gandi (1970), tập trung vào việc thiết kế mạng lưới cho các trạm thời tiết đa năng Trong những năm gần đây, các trạm này đã được áp dụng rộng rãi, tuy nhiên, để đạt được tính kinh tế tối ưu, cần kết hợp giữa các trạm thời tiết đa năng và các trạm đo riêng biệt.
Trạm thời tiết toàn bộ đa năng (trạm "full") được sử dụng để thu thập tất cả các biến số trong phương trình của Penman, trong khi trạm thời tiết riêng biệt (trạm "partial") chỉ xác định một số biến cụ thể Mặc dù mật độ và vị trí của các trạm đo thời tiết ít được nghiên cứu, đây là yếu tố quan trọng trong thiết kế mạng lưới trạm để đánh giá chính xác lượng thoát hơi nước tham chiếu (Etr) và vị trí của các lớp khác nhau của các trạm.
Gandin (1970) đã xác định ba nhóm yếu tố cơ bản trong khí tượng học truyền thống quan sát tại trạm mặt đất Nhóm đầu tiên bao gồm áp suất khí quyển, nhiệt độ đất theo độ sâu và thời gian nắng Nhóm thứ hai gồm nhiệt độ không khí, độ ẩm, tốc độ gió và độ che phủ của mây Cuối cùng, nhóm thứ ba liên quan đến lượng mưa và đặc điểm tuyết phủ Ông cũng đề xuất khoảng cách tối đa giữa các điểm cho mật độ dày thấp nhất của các mạng lưới, với nhóm thứ nhất là 150-200 km, nhóm thứ hai là 50-60 km và nhóm thứ ba là 30 km.
Một vài yếu tối của thời tiết quan sát được trong các lớp mà mà Gandin
Nghiên cứu hiện tại sử dụng hai lớp trạm thời tiết để thiết kế mạng lưới, với các yếu tố thời tiết cần thiết cho việc ước tính Etr Phân chia này dựa trên chi phí đầu tư và hoạt động của các trạm, cùng với các biến số không gian của yếu tố thời tiết Lớp B bao gồm nhiệt độ cao nhất và thấp nhất, liên quan đến độ ẩm và tốc độ gió, trong khi lớp A kết hợp tất cả các yếu tố trong lớp B và thêm bức xạ năng lượng mặt trời Các yếu tố quan sát được ở lớp này là rất quan trọng cho việc phân tích khí hậu.
B yêu cầu ít tinh vi hơn và các thiết bị với chi phí thấp hơn
Nghiên cứu điển hình này tập trung vào 17 trạm thời tiết tại Nebraska, Kansas và Colorado, với dữ liệu được thu thập liên tục trong 2 năm từ 1989 đến 1990 Thông tin địa lý chi tiết của khu vực nghiên cứu được trình bày trong bảng 1, trong đó các điểm H và V thể hiện tọa độ nằm ngang và thẳng đứng của các điểm tham chiếu tương ứng.
Bảng 1 Thông tin địa lý của khu vực nghiên cứu
Hình 1 Các trạm đo thời tiết ở khu vực nghiên cứu
Dữ liệu trong nghiên cứu này được thu thập từ Mạng Dữ liệu Thời tiết Tự động (AWDN), do Trung tâm Khí hậu High Plains (HPCC) thuộc Đại học Nebraska, Lincoln điều hành Các yếu tố thời tiết được quan sát từ các trạm ngoài hiện trường trong nghiên cứu điển hình (Hubbard et al., 1983) Dữ liệu đã được phân tích trung bình theo hằng ngày, 3 ngày hoặc hằng tuần, dựa trên các yếu tố thời tiết được đo bởi các trạm, phục vụ cho yêu cầu của phương trình Penman như mô tả trong phần phụ lục A, bao gồm nhiệt độ lớn nhất và nhỏ nhất (°C), độ thấm tương đối (%), tốc độ gió (km/ngày) và bức xạ năng lượng mặt trời (MJ/m²).
2day -1 ), lượng hơi nước bốc hơi trung bình Etr (mmday -1 )
6 Đánh giá hiệu suất của mạng lưới : Để đánh giá hiệu suất của của phương pháp nội suy đã cho hoặc cấu hình của mạng lưới, chúng ta cần một tiêu chí đo lường hiệu suất Một trong những tiêu chí đó là sai số nội suy bình phương gốc (RMSIE)
7 Kết quả và thảo luận :
7.1 Cấu trúc không gian của các biến thời tiết :
Cấu trúc không gian cho mùa hè (21 tháng 6 - 21 tháng 9) đã được tính toán dựa trên dữ liệu năm 1989, như thể hiện trong bảng 2 Các đặc điểm không gian được mô tả qua mô hình tuyến tính dưới đây.
Trong đó Xi là biến số độc lập của thời tiết, dij là khổng cách (in km) và A và
Hệ số B của phương trình cùng với các giá trị A, B và hệ số tương quan r² được trình bày trong bảng 2 Tất cả các phương trình đều dựa trên cấu trúc không gian sau khi đã loại bỏ giá trị trung bình.
Bảng 2 Cấu trúc không gian của các biến thời tiết 1989 (92 ngày)
Tất cả các biến số đều cho thấy mối tương quan không gian mạnh mẽ với độ trễ dài khoảng cách Tuy nhiên, mô hình tuyến tính dự đoán đặc điểm tương quan hoặc semi-variogram cho nhiều biến số không rõ ràng bằng các biến khác Bảng 2 chỉ ra rằng bức xạ năng lượng mặt trời, Etr, nhiệt độ trung bình và nhiệt độ lớn nhất có mối tương quan không gian tốt hơn, cho thấy sự phân tán thấp hơn so với tốc độ gió, độ ẩm tương đối và nhiệt độ thấp nhất, ba yếu tố này biến đổi nhiều hơn trong không gian Các biến có mối tương quan không gian bị nhiễu đã được đưa vào lớp B.
Hình 2 (a) Cấu trúc không gian của Et r (đã tính) cho bộ dữ liệu mùa hè năm
Vào năm 1989, một mẫu cross-semi-variogram đã được thực hiện để phân tích bức xạ năng lượng mặt trời và độ thấm tương đối (Et r) cho dữ liệu mùa hè Ứng dụng các phương pháp nội suy cho thấy giá trị RMSIE của Etr (đã tính) thấp hơn so với Etr (nội suy) Hình 3 minh họa sự so sánh giữa RMSIE của hai ước tính Etr tại Dickens và Garden City, sử dụng trạm thời tiết 11 lớp A cho nội suy dữ liệu mùa hè 1989 Mặc dù giá trị RMSIE của Etr ước tính bằng nội suy thấp hơn Etr tính toán, sự khác biệt giữa chúng không đáng kể.
Bảng 3 và bảng 4 so sánh ba phương pháp nội suy cho một cấu hình mạng lưới đa dạng, sử dụng Dickens và Garden City làm điểm hư cấu Thời gian trung bình trước đó được thể hiện rõ ràng Khi sử dụng trục trung tâm để tưới tiêu hàng ngày, giá trị của biến số thời tiết và Et r là phù hợp nhất Để giảm tần suất tưới tiêu, cần loại bỏ giá trị trung bình, và trong trường hợp này, phương pháp kriging sẽ rất hiệu quả.
Bảng 3 trình bày hiệu suất của cấu hình mạng lưới trạm thời tiết thay thế và phương pháp nội suy trong việc ước tính Et r tại Dickens, Nebraska Các giá trị trong bảng cho thấy sự giảm RMSIE khi so sánh với cấu hình ban đầu của 6 lớp A của các trạm thời tiết Cụ thể, có sự cải thiện đáng kể về RMSIE của Et r ở Dickens trong dữ liệu mùa hè năm 1989 nhờ vào việc sử dụng co-kriging để chuyển đổi từ lớp B sang lớp A.
Lý thuyết cơ bản của các trạm thời tiết riêng phần
Việc lập kế hoạch cho mạng lưới trạm đo thời tiết và khí hậu đã được nhiều nhà nghiên cứu chú trọng trong suốt nhiều năm qua, nhằm tối ưu hóa việc sử dụng dữ liệu khí hậu học Một trong những công trình nổi bật là nghiên cứu của Gandi (1970) về mạng lưới thiết kế cho các trạm thời tiết đa năng Trong thời gian gần đây, việc sử dụng các trạm thời tiết đa năng ngày càng phổ biến, tuy nhiên, để đạt hiệu quả kinh tế cao, cần kết hợp giữa các trạm đa năng và các trạm riêng biệt.
Trạm thời tiết toàn bộ đa năng được định nghĩa là thiết bị thu thập tất cả các biến số trong phương trình của Penman, trong khi trạm thời tiết riêng biệt chỉ xác định một số biến nhất định Mật độ và vị trí của các lớp trạm đo thời tiết thường không được các nhà nghiên cứu quan tâm, mặc dù đây là yếu tố quan trọng trong việc thiết kế mạng lưới trạm Việc đánh giá lợi thế của các trạm thời tiết riêng biệt là cần thiết để xác định chính xác lượng thoát hơi nước tham chiếu (Etr) và vị trí các lớp khác nhau của các trạm.
Gandin (1970) đã phân loại các yếu tố khí tượng học truyền thống quan sát được tại trạm mặt đất thành ba nhóm Nhóm đầu tiên bao gồm áp suất khí quyển, nhiệt độ đất theo độ sâu và thời gian nắng Nhóm thứ hai gồm nhiệt độ không khí, độ ẩm, tốc độ gió và độ che phủ mây Nhóm thứ ba liên quan đến lượng mưa và đặc điểm tuyết phủ Ông cũng đề xuất khoảng cách tối đa giữa các điểm cho mật độ dày thấp nhất của mạng lưới: 150-200km cho nhóm một, 50-60km cho nhóm hai, và 30km cho nhóm ba.
Một vài yếu tối của thời tiết quan sát được trong các lớp mà mà Gandin
Nghiên cứu hiện tại sử dụng hai lớp của các trạm thời tiết để thiết kế mạng lưới, với các yếu tố thời tiết cần thiết cho việc ước tính Etr Phân chia này dựa trên chi phí đầu tư và hoạt động của các trạm thời tiết, cũng như các biến số không gian của các yếu tố thời tiết Lớp B bao gồm nhiệt độ cao nhất và thấp nhất, liên quan đến độ ẩm và tốc độ gió, trong khi lớp A kết hợp tất cả các yếu tố của lớp B và bổ sung thêm bức xạ năng lượng mặt trời Các yếu tố quan sát được ở lớp này rất quan trọng cho nghiên cứu khí hậu.
B yêu cầu ít tinh vi hơn và các thiết bị với chi phí thấp hơn
Nghiên cứu điển hình
Nghiên cứu điển hình này bao gồm 17 trạm thời tiết tại Nebraska, Kansas và Colorado, được thực hiện trong khoảng thời gian 2 năm (1989-1990) Thông tin địa lý chi tiết về khu vực nghiên cứu được trình bày trong bảng 1, trong đó các điểm H và V đại diện cho tọa độ nằm ngang và thẳng đứng của các điểm tham chiếu.
Bảng 1 Thông tin địa lý của khu vực nghiên cứu
Hình 1 Các trạm đo thời tiết ở khu vực nghiên cứu
Dữ liệu trong nghiên cứu này được thu thập từ Mạng Dữ liệu Thời tiết Tự động (AWDN), do Trung tâm Khí hậu High Plains (HPCC) thuộc Đại học Nebraska, Lincoln điều hành Các yếu tố thời tiết được ghi nhận từ các trạm ngoài hiện trường trong nghiên cứu điển hình (Hubbard et al., 1983) Dữ liệu đã được phân tích trung bình theo hằng ngày, 3 ngày hoặc hằng tuần, dựa trên các yếu tố thời tiết được đo để phục vụ cho yêu cầu của phương trình Penman, bao gồm nhiệt độ tối đa và tối thiểu (°C), độ ẩm tương đối (%), tốc độ gió (km/ngày) và bức xạ năng lượng mặt trời (MJ/m²).
2day -1 ), lượng hơi nước bốc hơi trung bình Etr (mmday -1 )
6 Đánh giá hiệu suất của mạng lưới : Để đánh giá hiệu suất của của phương pháp nội suy đã cho hoặc cấu hình của mạng lưới, chúng ta cần một tiêu chí đo lường hiệu suất Một trong những tiêu chí đó là sai số nội suy bình phương gốc (RMSIE)
7 Kết quả và thảo luận :
7.1 Cấu trúc không gian của các biến thời tiết :
Cấu trúc không gian cho mùa hè (21 tháng 6 - 21 tháng 9) đã được tính toán dựa trên dữ liệu năm 1989, như thể hiện trong bảng 2 Các đặc điểm không gian được mô tả bằng mô hình tuyến tính dưới đây.
Trong đó Xi là biến số độc lập của thời tiết, dij là khổng cách (in km) và A và
Hệ số B là thành phần của phương trình, trong khi các giá trị A, B và hệ số tương quan r² được trình bày trong bảng 2 Tất cả các phương trình này được xây dựng dựa trên cấu trúc không gian sau khi đã loại bỏ giá trị trung bình.
Bảng 2 Cấu trúc không gian của các biến thời tiết 1989 (92 ngày)
Tất cả các biến số cho thấy mối tương quan không gian mạnh mẽ với độ trễ dài khoảng cách Mặc dù nhiều biến số, mô hình tuyến tính dự đoán đặc điểm tương quan hoặc semi-variogram ít rõ ràng hơn Bảng 2 chỉ ra rằng bức xạ năng lượng mặt trời, Etr, nhiệt độ trung bình và nhiệt độ lớn nhất có mối tương quan tốt hơn trong không gian, cho thấy ít sự phân tán hơn so với tốc độ gió, độ ẩm tương đối và nhiệt độ thấp nhất, điều này chỉ ra rằng ba yếu tố sau biến đổi nhiều hơn trong không gian Các biến có mối tương quan không gian bị nhiễu được bao gồm trong lớp B.
Hình 2 (a) Cấu trúc không gian của Et r (đã tính) cho bộ dữ liệu mùa hè năm
Vào năm 1989, một mẫu cross-semi-variogram đã được thực hiện để phân tích bức xạ năng lượng mặt trời và độ thấm tương đối (Et r) cho dữ liệu mùa hè Ứng dụng của các phương pháp nội suy cho thấy giá trị RMSIE của Etr (đã tính) thấp hơn so với giá trị Etr (nội suy) Hình 3 minh họa sự so sánh giữa RMSIE của hai ước tính Etr tại Dickens và Garden City, khi sử dụng dữ liệu từ 11 trạm thời tiết lớp A cho nội suy mùa hè 1989 Mặc dù giá trị RMSIE của ước tính Etr bằng nội suy thấp hơn so với Etr tính toán, sự khác biệt giữa chúng là không đáng kể.
Bảng 3 và 4 so sánh ba phương pháp nội suy cho mạng lưới đa dạng, với Dickens và Garden City là điểm hư cấu Thời gian trung bình trước đó được thể hiện rõ ràng Sử dụng trục trung tâm cho tưới tiêu hàng ngày giúp giá trị biến số thời tiết và Et r trở nên phù hợp nhất Để giảm tần suất tưới tiêu, cần loại bỏ giá trị trung bình Phương pháp kriging là lựa chọn tối ưu trong trường hợp này.
Bảng 3 trình bày hiệu suất của cấu hình mạng lưới trạm thời tiết thay thế và phương pháp nội suy trong việc ước tính Et r tại Dickens, Nebraska Các giá trị trong bảng cho thấy sự giảm RMSIE khi so sánh với cấu hình đầu tiên của 6 lớp A của các trạm thời tiết Đặc biệt, có sự cải thiện RMSIE đáng kể của Et r tại Dickens trong dữ liệu mùa hè 1989 nhờ vào việc sử dụng co-kriging để chuyển đổi từ lớp B sang lớp A.
Bảng 4 trình bày việc cải thiện RMSIE của Et r tại Garden City cho nhiều bộ dữ liệu khác nhau, sử dụng các lớp khác nhau từ các trạm thời tiết, dựa trên các cấu hình tham chiếu.
Hình 3 trình bày các cấu hình mạng lưới cho nghiên cứu điển hình với các tùy chọn khác nhau: (a) 6 lớp A cho các trạm thời tiết; (b) 6 lớp A kết hợp với 5 lớp B; (c) 6 lớp A và 10 lớp B; (d) 11 lớp A; và (e) 11 lớp A cùng với 5 lớp B Phần 7.3 sẽ đánh giá hiệu suất của các mạng lưới trạm thời tiết riêng biệt.
Kết quả so sánh giá trị RMSIE của các trạm thời tiết tổng đa năng cho thấy giá trị này giảm khi lớp B được thêm vào mạng lưới Để giảm chi phí cho các trạm thời tiết riêng biệt, cần giảm sai số của phép nội suy khi tích hợp lớp A hoặc thiết kế một mạng lưới mới.
Một nghiên cứu điển hình đã được thực hiện để đánh giá hiệu suất của sự kết hợp các mạng lưới, với Dickens và Garden City được sử dụng làm điểm hư cấu.
6 cấu hình mạng lưới đã được sử dụng trong nghiên cứu này 5 cấu hình mạng lưới được thể hiện trong hình số 3
8 Kết luận : a Cấu trúc không gian của tất cả các biến thời tiết đã được sử dụng để tính
Trong nghiên cứu điển hình, Etr đã được tuân theo mô hình tuyến tính với khoảng cách lên đến 600km Các tương quan không gian giữa nhiệt độ lớn nhất, bức xạ năng lượng mặt trời, Etr và nhiệt độ trung bình cho thấy kết quả tốt hơn so với độ thấm tương đối, tốc độ gió và nhiệt độ thấp nhất Trong ba phương pháp nội suy được sử dụng, nội suy kriging và nghịch đảo bình phương khoảng cách cho giá trị RMSIE thấp hơn so với phương pháp nội suy nghịch đảo khoảng cách Co-kriging đã được áp dụng để cải thiện độ chính xác ước tính so với Kriging thông thường khi sử dụng dữ liệu từ các trạm thời tiết khác nhau.
Hình 4 Sự so sánh của phương sai Kriging cho cấu hình thông thường của các mạng lưới thiết kế khác nhau
Hình 5 Hiệu quả chi phí của các lớp khác nhau trên kriging RMSIE tại Dickens cho dữ liệu mùa hè 1989 (Class A weather station cots US$10000; Class
Chi phí cho một trạm khí tượng B là 4500 USD, do đó không thể sử dụng dữ liệu đã được đo từ lâu Trong nghiên cứu điển hình, việc ước tính Etr từ nội suy các biến thời tiết và tính toán Etr đã được so sánh, cho thấy rằng nội suy từ các biến thời tiết khi sử dụng mạng lưới trạm thời tiết riêng sẽ dẫn đến mất độ chính xác Sự kết hợp giữa các trạm thời tiết đa năng và các trạm riêng biệt sẽ giúp tiết kiệm chi phí hơn so với việc sử dụng mạng lưới toàn bộ chỉ gồm các trạm đa năng.
PERFORMANCE PREDICTION USING GEOSTATISTICS AND
Tác giả: J.P Fontanilla, A.A A1-Khalawi, Saudi Aramco, and S.G Johnson,
Bài báo : DỰ ĐOÁN HIỆU SUẤT VỈA CHỨA BẰNG CÁCH SỬ DỤNG ĐỊA THỐNG KÊ VÀ MÔ PHỎNG CỬA SỔ TẠO DẦU
1.Mục đích của đề tài:
Đánh giá hiệu suất của mạng lưới
Để đánh giá hiệu suất của phương pháp nội suy hoặc cấu hình mạng lưới, cần có một tiêu chí đo lường hiệu suất, trong đó sai số nội suy bình phương gốc (RMSIE) là một trong những tiêu chí quan trọng.
7 Kết quả và thảo luận :
7.1 Cấu trúc không gian của các biến thời tiết :
Cấu trúc không gian cho mùa hè từ 21 tháng 6 đến 21 tháng 9 đã được tính toán dựa trên dữ liệu năm 1989, như thể hiện trong bảng 2 Các đặc điểm không gian này có thể được mô tả bằng mô hình tuyến tính dưới đây.
Trong đó Xi là biến số độc lập của thời tiết, dij là khổng cách (in km) và A và
Hệ số B trong phương trình được xác định cùng với các giá trị A và hệ số tương quan r², như trình bày trong bảng 2 Tất cả các phương trình được xây dựng dựa trên cấu trúc không gian sau khi đã loại bỏ giá trị trung bình.
Bảng 2 Cấu trúc không gian của các biến thời tiết 1989 (92 ngày)
Tất cả các biến số đều cho thấy mối tương quan không gian mạnh mẽ với độ trễ dài khoảng cách Trong khi mô hình tuyến tính dự đoán đặc điểm tương quan hoặc semi-variogram cho nhiều biến số không rõ ràng bằng nhau, Bảng 2 chỉ ra rằng bức xạ năng lượng mặt trời, Etr, nhiệt độ trung bình và nhiệt độ lớn nhất có mối tương quan tốt hơn trong không gian, cho thấy ít sự phân tán hơn so với tốc độ gió, độ ẩm tương đối và nhiệt độ thấp nhất, mà ba yếu tố này biến đổi nhiều hơn trong không gian Các biến có mối tương quan không gian bị nhiễu đã được đưa vào lớp B.
Hình 2 (a) Cấu trúc không gian của Et r (đã tính) cho bộ dữ liệu mùa hè năm
Vào năm 1989, một mẫu cross-semi-variogram đã được thực hiện để phân tích bức xạ năng lượng mặt trời và độ thấm tương đối (Et r) trong mùa hè Ứng dụng các phương pháp nội suy cho thấy giá trị RMSIE của Etr (đã tính) thấp hơn so với Etr (nội suy) Hình 3 minh họa sự so sánh giữa RMSIE của hai ước tính Etr tại Dickens và Garden City, sử dụng dữ liệu từ 11 trạm thời tiết lớp A cho mùa hè 1989 Mặc dù giá trị RMSIE của ước tính Etr bằng nội suy thấp hơn so với Etr tính toán, sự khác biệt này không đáng kể.
Bảng 3 và bảng 4 so sánh ba phương pháp nội suy cho mạng lưới đa dạng với Dickens và Garden City làm điểm hư cấu Thời gian trung bình trước đó được thể hiện rõ ràng Sử dụng trục trung tâm cho tưới tiêu hàng ngày, giá trị thời tiết và Et r sẽ phù hợp nhất Để tưới tiêu ít thường xuyên hơn, cần loại bỏ giá trị trung bình, và phương pháp kriging sẽ là lựa chọn phù hợp trong trường hợp này.
Bảng 3 trình bày hiệu suất của cấu hình mạng lưới trạm thời tiết thay thế và phương pháp nội suy trong việc ước tính Et r tại Dickens, Nebraska Các giá trị trong bảng cho thấy sự giảm RMSIE khi so sánh với cấu hình đầu tiên gồm 6 lớp A của các trạm thời tiết Đặc biệt, có sự cải thiện RMSIE đáng kể của Et r ở Dickens hằng ngày trong dữ liệu mùa hè 1989 nhờ vào việc sử dụng phương pháp co-kriging để chuyển đổi từ lớp B sang lớp A.
Bảng 4 trình bày việc cải thiện RMSIE của Et r tại Garden City cho các bộ dữ liệu khác nhau, sử dụng các lớp khác nhau từ các trạm thời tiết, dựa trên các cấu hình tham chiếu.
Hình 3 trình bày các cấu hình mạng lưới cho nghiên cứu điển hình, bao gồm (a) 6 lớp A cho các trạm thời tiết; (b) 6 lớp A kết hợp với 5 lớp B; (c) 6 lớp A và 10 lớp B; (d) 11 lớp A; và (e) 11 lớp A cùng với 5 lớp B Phần 7.3 sẽ tiến hành đánh giá các mạng lưới trạm thời tiết riêng biệt.
Kết quả so sánh giá trị RMSIE cho các trạm thời tiết tổng đa năng cho thấy rằng giá trị này giảm khi lớp B được thêm vào mạng lưới Để tiết kiệm chi phí cho các trạm thời tiết riêng biệt, cần giảm sai số của phép nội suy khi chèn lớp A vào mạng lưới hoặc thiết kế một mạng lưới mới.
Nghiên cứu điển hình này đánh giá hiệu suất của sự kết hợp các mạng lưới, sử dụng Dickens và Garden City làm điểm hư cấu.
6 cấu hình mạng lưới đã được sử dụng trong nghiên cứu này 5 cấu hình mạng lưới được thể hiện trong hình số 3
8 Kết luận : a Cấu trúc không gian của tất cả các biến thời tiết đã được sử dụng để tính
Trong nghiên cứu điển hình, Etr đã được áp dụng theo mô hình tuyến tính với khoảng cách tối đa lên đến 600km Các tương quan không gian giữa nhiệt độ lớn nhất, bức xạ năng lượng mặt trời, Etr và nhiệt độ trung bình cho thấy sự liên kết tốt hơn so với độ thấm tương đối, tốc độ gió và nhiệt độ thấp nhất Trong ba phương pháp nội suy được sử dụng, nội suy kriging và nghịch đảo bình phương khoảng cách đã cho giá trị RMSIE thấp hơn so với phương pháp nội suy nghịch đảo khoảng cách Ngoài ra, phương pháp co-kriging đã được áp dụng để cải thiện độ chính xác của ước tính so với kriging thông thường khi kết hợp dữ liệu từ các trạm thời tiết khác nhau.
Hình 4 Sự so sánh của phương sai Kriging cho cấu hình thông thường của các mạng lưới thiết kế khác nhau
Hình 5 Hiệu quả chi phí của các lớp khác nhau trên kriging RMSIE tại Dickens cho dữ liệu mùa hè 1989 (Class A weather station cots US$10000; Class
Trạm thời tiết B có giá 4500 USD, do đó không thể sử dụng dữ liệu đo đạc từ lâu Trong nghiên cứu điển hình, việc ước tính Etr từ nội suy các biến thời tiết và tính toán Etr đã được so sánh Việc nội suy các biến thời tiết khi sử dụng mạng lưới trạm thời tiết riêng sẽ dẫn đến mất độ chính xác Kết hợp giữa các trạm thời tiết đa năng và các trạm riêng lẻ sẽ tiết kiệm chi phí hơn so với việc chỉ sử dụng mạng lưới toàn bộ trạm đa năng.
PERFORMANCE PREDICTION USING GEOSTATISTICS AND
Tác giả: J.P Fontanilla, A.A A1-Khalawi, Saudi Aramco, and S.G Johnson,
Bài báo : DỰ ĐOÁN HIỆU SUẤT VỈA CHỨA BẰNG CÁCH SỬ DỤNG ĐỊA THỐNG KÊ VÀ MÔ PHỎNG CỬA SỔ TẠO DẦU
1.Mục đích của đề tài:
Bài báo nghiên cứu mô hình cửa sổ đầu tiên tại khu vực đông bắc của một vỉa chứa Cacbonat lớn ở Ả Rập Xê Út, sử dụng địa thống kê để mô hình hóa sự xâm thực không đồng nhất của nước trong khu vực phía tây nam Đồng thời, bài viết cũng mô tả hiệu quả các khu vực được kiểm tra nhằm phát hiện lũ lụt ngoại vị hiện tại.
Bài viết trình bày việc áp dụng phần mềm địa thống kê để xây dựng mô hình địa chất, nhằm mô phỏng có điều kiện và thu được sự phân bố của độ thấm cũng như thể tích dolomite.
Kết luận
a Cấu trúc không gian của tất cả các biến thời tiết đã được sử dụng để tính
Etr đã được nghiên cứu theo mô hình tuyến tính với khoảng cách lên đến 600km, cho thấy mối tương quan không gian tốt hơn giữa nhiệt độ lớn nhất, bức xạ năng lượng mặt trời, Etr và nhiệt độ trung bình so với độ thấm tương đối, tốc độ gió và nhiệt độ thấp nhất Trong ba phương pháp nội suy, kriging và nghịch đảo bình phương khoảng cách cho giá trị RMSIE thấp hơn so với phương pháp nội suy nghịch đảo khoảng cách Co-kriging đã được áp dụng để cải thiện độ chính xác ước tính so với kriging thông thường khi sử dụng dữ liệu từ các trạm thời tiết khác nhau.
Hình 4 Sự so sánh của phương sai Kriging cho cấu hình thông thường của các mạng lưới thiết kế khác nhau
Hình 5 Hiệu quả chi phí của các lớp khác nhau trên kriging RMSIE tại Dickens cho dữ liệu mùa hè 1989 (Class A weather station cots US$10000; Class
Trạm thời tiết B có giá 4500 USD, do đó không thể sử dụng các bộ dữ liệu cũ Trong nghiên cứu điển hình, việc ước tính Etr thông qua nội suy các biến thời tiết và tính toán Etr đã được so sánh Việc nội suy các biến thời tiết khi sử dụng mạng lưới trạm thời tiết riêng sẽ dẫn đến mất độ chính xác Sự kết hợp giữa các trạm thời tiết đa năng và các trạm riêng lẻ sẽ tiết kiệm chi phí hơn so với việc sử dụng toàn bộ mạng lưới trạm đa năng.
PERFORMANCE PREDICTION USING GEOSTATISTICS AND
Tác giả: J.P Fontanilla, A.A A1-Khalawi, Saudi Aramco, and S.G Johnson,
Bài báo : DỰ ĐOÁN HIỆU SUẤT VỈA CHỨA BẰNG CÁCH SỬ DỤNG ĐỊA THỐNG KÊ VÀ MÔ PHỎNG CỬA SỔ TẠO DẦU
1.Mục đích của đề tài:
Bài báo nghiên cứu mô hình cửa sổ đầu tiên tại khu vực đông bắc của một vỉa chứa Cacbonat lớn ở Ả Rập Xê Út, sử dụng địa thống kê để mô hình hóa sự xâm thực nước không đồng nhất ở khu vực phía tây nam Đồng thời, bài viết cũng mô tả những khu vực được kiểm tra hiệu quả nhằm phát hiện lũ lụt ngoại vị hiện tại.
Bài báo này áp dụng phần mềm địa thống kê để xây dựng mô hình địa chất, từ đó thực hiện mô phỏng có điều kiện nhằm xác định sự phân bố của độ thấm và thể tích dolomite.
Dữ liệu về phân phối áp suất, tỷ lệ nước và GOR đã được thể hiện và phù hợp với các nghiên cứu trước đó Để đạt được kết quả chính xác, cần điều chỉnh độ thấm và nhiều thông số khác.
Giai đoạn dự đoán của nghiên cứu đã xem xét tác động của việc khoan lấp đất và sử dụng thang máy nhân tạo, giếng ngang, cũng như hạn chế tốc độ sản xuất để phát triển vùng chặt chẽ Những yếu tố này sẽ giúp hình thành các chiến lược suy giảm cho sự phát triển khu vực Đồng thời, mô hình cửa sổ sẽ được áp dụng để khảo sát các vấn đề quản lý hồ chứa hàng ngày trong khu vực.
Việc lên kế hoạch cho mục đích của nghiên cứu này là:
- Để mô hình hóa sự xâm nhập của nước không đồng nhất tại khu vực cửa sổ tạo dầu
- Xây dựng các kế hoạch khai thác tối ưu.
- Đánh giá hiệu quả của phương pháp nâng nhân tạo và giếng khoan ngang.
3 Giới thiệu vỉa ở Ả Rập Xê Út
3.1 Đặc điểm địa chất vỉa ở Ả Rập Xê Út:
Hình 1 Kết quả thu địa chấn vỉa Arab-D
Hình 1 hiển thị các lớp mô phỏng cùng mười bốn điểm đánh dấu địa chất, trong đó xác định bốn vùng trong vỉa Arab-D: vùng 1, 2, 3 và 4 Tuy nhiên, chỉ có ba vùng được coi là vỉa hiệu quả, với độ dày trung bình đạt 200 feet.
Vùng 1 là một khoảng mỏng là các hạt granit Độ rỗng và độ thấm (tương ứng khoảng 15% và 200 md) thấp so với Vùng 2.
Vùng 2 là vùng có độ thấm cao, độ dày lên đén 120ft với độ rỗng khoảng 20- 30%, có đoạn nhỏ hơn 7%
Vùng 3 bao gồm một chuỗi xen kẽ các hạt granit có độ rỗng cao Độ dày khoảng 70 feet với các vùng thấm độ rỗng từ 7 đến 13%
Phân vùng và phân lớp trong khu vực khai thác được xác định thông qua phương pháp Gamma Ray Khu vực có tiềm năng khai thác tốt nhất nằm gần đỉnh, với các lớp có độ rỗng cao là lớp 2, 3 và 4 tại vùng 2A.
Bảng 1.Tính chất PVT của dầu
Bảng 1 cung cấp dữ liệu PVT cho dầu và Bảng 2 cho khí tại vỉa Arab-D, với điều kiện vỉa là 3.100 psig ở độ sâu 6100 feet Các thông số quan trọng bao gồm Bo là 1,305 RB/STB, độ nhớt động học o là 0,723 cp, và tỷ lệ khí hòa tan Rs là 520 scf/STB Áp suất điểm bọt được xác định là 1900 psia.
3.3 Dữ liệu áp suất mao dẫn:
- Hàm Leverett J-Funtilon sửa đổi đã được sử dụng để thể hiện mối tương quan giữa áp suất mao dẫn, độ thấm, độ rỗng và thành phần thạch học
Bảng 3 trình bày các hệ số cần thiết để giải các phương trình cho các tầng và thành phần thạch học khác nhau Ba đường cong áp suất mao dẫn được thiết lập cho khu vực, tương ứng với các lớp 1 và 8, lớp 2 đến lớp 7, cũng như lớp 9 và 10.
Swf : Hệ số phụ thuộc thạch học/tầng/độ thấm
Bảng 3 Các hệ số được sử dụng để tính Swi từ Jsw
Mô hình địa chất học được xây dựng bằng cách sử dụng phần mềm địa thống kê với dữ liệu đầu vào như sau:
- Đánh dấu địa tầng giếng khoan
Phần mềm địa thống kê đã chia nhỏ vỉa Arab-D thành 549 lớp thẳng đứng, mỗi lớp có độ dày khoảng 0.15m Những lớp này sau đó được chuyển đổi thành 10 lớp thẳng đứng khác trong mô hình mô phỏng dạng ô.
Đối với mỗi lớp mô hình, quy trình nghiên cứu bao gồm việc tính toán variogram cho phần trên của tầng đánh dấu Sau đó, sử dụng đường log độ rỗng để tính variogram độ rỗng đẳng hướng Nếu độ rỗng có tính định hướng, cần tính variogram cho độ rỗng định hướng và áp dụng mô phỏng 3D có điều kiện Hình 3 và 4 minh họa tính đẳng hướng và định hướng của độ rỗng cho lớp 2.
Mô phỏng tuần tự Gaussian là một kỹ thuật mô phỏng có điều kiện, giúp duy trì sự biến đổi không gian hiệu quả So với phương pháp Kriging truyền thống, kỹ thuật này cho thấy xu hướng phân bố độ rỗng đồng đều hơn Tiến hành lặp lại các bước 2 và 3 để xác định đường ghi thể tích dolomite.
Mô phỏng mô hình cửa sổ tạo dầu được xây dựng dựa trên một mô hình địa chất học với 50 ô theo phương X, 50 ô theo phương Y và 549 ô theo phương Z Mỗi ô lưới trong mô hình này chứa các giá trị chỉ định về độ rỗng, tổng bề dày và thể tích của dolomite, được lấy từ mô hình tuần tự.
Để xác định độ thấm theo phương ngang, độ thấm theo phương thẳng đứng và độ bão hòa nước ban đầu cho từng ô mô phỏng, các bước thực hiện sẽ được trình bày chi tiết dưới đây.
Độ thấm theo phương ngang trong mô hình địa chất được xác định thông qua các phép biến đổi độ rỗng-thấm Bảng 4 trình bày các phép biến đổi này, phụ thuộc vào thạch học và lớp địa chất, với 7 biến đổi cho đá vôi và 3 biến đổi cho dolomite.
Hình 4 Sơ đồ Variogram cho độ rỗng định hướng cho lớp 2
Độ thấm theo phương thẳng đứng được xác định thông qua các phép biến đổi độ rỗng theo phương ngang Các phương trình này là công cụ quan trọng để tính toán độ thấm trong nghiên cứu địa chất.
Đối với độ rỗng ≥ 2.5% thì ta có : Log (kv) = 5.2689*log ϕ – 5.3032
Đối với độ rỗng < 2.5% thì ta có : Log (kv) = 1.8*log ϕ – 4.0
Với kv = độ thấm theo phương thẳng đứng ϕ = độ rỗng