«Геология, геофизика и разработка нефтяных и газовых месторождений»

Разработка методики и оценка эффективности работоспособности вероятностно-статистических моделей для прогнозирования прироста дебита нефти в скважинах после проведения гидроразрыва пласта

УДК: 622.276.66.013
DOI: 10.33285/2413-5011-2022-4(364)-49-58

Авторы:

¹ Пермский национальный исследовательский политехнический университет, Пермь, Россия

Ключевые слова: пропантный ГРП, прирост дебита нефти, вероятностные модели, эффективность, прогнозирование

Аннотация:

Выполнен анализ влияния геолого-технологических и технических параметров ГРП по различным выборкам скважин. Геолого-технологические параметры известны на стадии подбора скважин-кандидатов, а технические формируются в процессе проведения ГРП. По результатам анализа построены линейные вероятностные модели для каждого параметра. По результатам вероятностного анализа параметров рассчитан комплексный показатель, который позволил оценить прогнозный прирост дебита нефти. Выявлено, что построенные зависимости для объектов Тл-Бб и В₃В₄ располагаются в едином корреляционном поле. Линейные зависимости для объектов В₃В₄ и Тл-Бб обладают унаследовательностью. С увеличением в обучающей выборке числа скважин точность прогнозирования увеличивается. Учет технических параметров ГРП позволяет увеличить точность прогнозирования.

Список литературы:

1. Classification and Regression Trees / L. Breiman, J. Friedman, C.J. Stone, R.A. Olshen. – New York: Chapman and Hall/CRC, 1984. – 368 р.

2. Breiman L. Random Forests // Machine Learning. – 2001. – № 45(1). – Рp. 5–32.

3. Shapire R.E., Freund Y. Boosting: Foundations and algorithms. – The MIT Press, 2012. – 544 р.

4. Practical Application of a Probabilistic Approach to Estimate Reserves Using Production Decline Data / Y. Cheng, Y. Wang, D. McVay, W.J. Lee // SPE Economics and Management. – 2010. – № 2(1). – Рp. 1047–1057. – DOI: 10.2118/95974-pa

5. Clark A.J., Lake L.W., Patzek T.W. Production Forecasting with Logistic Growth Models // SPE Annual Technical Conference and Exhibition. – Denver, Colorado, USA, 2011. – DOI: 10.2118/144790-ms

6. Gong X., Gonzalez R., McVay D. Bayesian Probabilistic Decline Curve Analysis Quantifies Shale Gas Reserves Uncertainty // Canadian Unconventional Resources Conference. – Alberta, Canada, 2011. – DOI: 10.2118/147588-ms

7. Галкин В.И., Пономарева И.Н., Колтырин А.Н. Разработка вероятностно-статистических моделей для оценки эффективности применения пропантного гидравлического разрыва пласта (на примере объекта Тл-Бб Батырбайского месторождения) // Вестник Пермского нац. исслед. политехнич. ун-та. Геология. Нефтегазовое и горное дело. – 2018. – № 1. – С. 37–45.

8. Галкин В.И., Колтырин А.Н. Исследование и анализ методов определения эффективности применения технологии пропантного гидроразрыва пласта // Изв. Томского политехнич. ун-та. Инжиниринг георесурсов. – 2019. – Т. 330. – № 11. – С. 50–58.