ПРОГНОЗ ПЕТРОФИЗИЧЕСКИХ СВОЙСТВ ГОРНЫХ ПОРОД С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ (500,00 руб.)

Первый автор	Вахитова
Авторы	Прайя Э.Д., Рюков Р.И.
Страниц	7

ID	877317
Аннотация	В настоящее время машинное обучение является активным мощным инструментом, который закрепился в нефтегазовой отрасли и стал ее неотъемлемой частью при работе с результатами геофизических исследований скважин ( ГИС) . Методы машинного обучения способны ускорить ( сократить время, исключить человеческий фактор) процесс работы со скважинными данными как на этапе предварительной обработки и нормировки " сырых" кривых, так и на этапе интерпретации ( например, при определении работающих интервалов по результатам ГИС или литофизических типов по каротажным кривым) . Кроме этого изучаются методы улучшения результатов ГИС на качественном уровне ( сглаживание " зашумленных" кривых различными методами фильтрации, их восстановление в интервалах отсутствия данных и т. д. ) . Все это делает машинное обучение одним из приоритетных и наиболее развиваемых направлений в нефтегазовом деле. В настоящее время для решения задач прогноза распространения коллекторов, устойчивости ствола скважины остро стоит вопрос восстановления петрофизических свойств продуктивных интервалов, в частности плотности горных пород и интервального времени, с привлечением моделей машинного обучения. Объектом исследования являются вертикальные скважины Оренбургского месторождения, в которых выполнен комплекс геофизических исследований различными методами: радиоактивными ( гамма- каротаж, гамма- гамма- каротаж) , электрическими ( боковой и микробоковой каротажи, индукционный каротаж, боковое каротажное зондирование, микрозонды) , нейтронными ( нейтронный гамма- каротаж, нейтрон- нейтронный каротаж) и акустическими ( акустический каротаж) . Массивы исходных данных содержат результаты скважинных измерений по глубине. Цель данной работы – построение механизма предсказания ( прогноза) петрофизических свойств горных пород при помощи методов машинного обучения на примере скважины с неполными данными геофизических исследований. Результатом данного исследования является методика ( механизм) прогноза, позволяющая автоматически анализировать массивы с зарегистрированными данными ГИС, обнаруживать в этих массивах интервалы глубин с отсутствием данных и предсказывать форму каротажных данных при помощи алгоритма машинного обучения " случайный лес" ( Random Forest) .

Вахитова, Г.Р. ПРОГНОЗ ПЕТРОФИЗИЧЕСКИХ СВОЙСТВ ГОРНЫХ ПОРОД С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ / Г.Р. Вахитова, Э.Д. Прайя, Р.И. Рюков // Нефтепромысловое дело. Oilfield Engineering .— 2024 .— №4 .— С. 27-33 .— URL: https://rucont.ru/efd/877317 (дата обращения: 19.05.2024)