Применение нейронных сетей для интерпретации данных геофизических исследований при бурении
УДК: 622.276:550.832
DOI: -
Авторы:
ШАХОВ В.А.
1,
КОВАЛЬЧУК В.Е.1,
МОШЕВА М.В.2,
УРЕНКО Р.С.3
1 Институт геологии и разработки горючих ископаемых, Москва, Россия
2 Тюменский нефтяной научный центр, Тюмень, Россия
3 Таас-Юрях Нефтегазодобыча, Ленск, Россия
Ключевые слова: интерпретация LWD, нейронные сети, классификация коллекторов, горизонтальные скважины, геологическое сопровождение бурения, геонавигация
Аннотация:
Основной задачей, стоящей перед петрофизическим сопровождением бурения горизонтальных скважин и боковых горизонтальных стволов, является оперативное определение фильтрационно-емкостных свойств, эффективных толщин и характера насыщения вскрываемого разреза. Данная информация используется для оценки выполнения поставленных геологических задач и прогноза запускных дебитов скважин. При бурении на объектах с высокой геологической неопределенностью для повышения достоверности оценки проницаемости и, как следствие, более точной проводки ствола скважины в высокопроницаемых интервалах необходима типизация коллекторов. Однако использование достаточно трудоемкой методики типизации коллекторов может негативно сказаться на оперативности выдачи заключений в процессе геонавигации. В данной статье представлен опыт применения нейронных сетей для целей оперативной интерпретации данных геофизических исследований скважин при бурении (Logging While Drilling (LWD)), а именно, определения предварительно выделенных по результатам керновых исследований и седиментологического описания (методика Дж. Люсиа) классов коллекторов. Обученная нейросеть Кохонена интегрирована в используемое программное обеспечение, т. е. применение методики, рассмотренной в статье, практически не требует дополнительных временных затрат. С помощью данной методики с достаточной точностью выявлены закономерности для распознавания классов коллекторов по данным LWD. При дальнейшем обучении нейросети достоверность выделения классов может быть увеличена. В статье приведены результаты сопоставления проницаемости по адаптированным зависимостям Дж. Люсиа с проницаемостью по общей зависимости по керну. Также представлен анализ сходимости фактических и прогнозных запускных дебитов скважин, пробуренных в 2023 г. При этом прогнозные дебиты рассчитаны на основании проницаемости по адаптированным зависимостям Дж. Люсиа и по общей зависимости по керну. Результаты анализа показали рост достоверности расчетов. Таким образом, новая методика позволяет без потерь в оперативности повысить достоверность выдаваемых заключений по интерпретации данных LWD, прогноза стартовых дебитов и рекомендаций по проводке и заканчиванию скважин.
Список литературы:
1. Lucia F.J. Carbonate Reservoir Characterization. – Springer, 2007. – 342 p.
2. Манжула В.Г., Федяшов Д.С. Нейронные сети Кохонена и нечеткие нейронные сети в интеллектуальном анализе данных // Фундаментальные исследования. – 2011. – № 4. – С. 108–114.
Назад в номер