Расчёт пластового давления в добывающих скважинах при помощи методов машинного обучения
Гайсин А.А., Исроилов Н.К., Гилязов А.Х.
DOI: https://doi.org/10.25689/NP.2024.3.123-136
Аннотация
Пластовое давление – один из важнейших факторов, определяющих энергетические возможности продуктивного пласта, производительность скважин и залежи в целом. Под пластовым понимают давление, при котором в продуктивном пласте нефть, газ, вода находятся в пустотах пластов-коллекторов. Производится постоянный мониторинг изменения пластового давления, и при его снижении применяются искусственные методы воздействия на залежь, в частности методы поддержания пластового давления. Темп снижения пластового давления, характеризующего энергетические ресурсы пласта, зависит от темпа отбора пластовой жидкости: нефти, воды и газа, который обусловлен проектом разработки месторождения, и от того, осуществляется или нет поддержание пластового давления.
В настоящей работе для прогнозирования пластового давления рассматривались методы машинного обучения. Особенностью работы является сравнительный анализ 11 методов машинного обучения для конкретного объекта разработки, а также выявление оптимального набора признаков для обучения моделей.
Применение данного метода в прогнозировании энергетического состояния эксплуатационных объектов позволит оперативно управлять разработкой месторождений, выстраивать эффективную систему ППД, планировать геолого-технические мероприятия, формировать программу исследований для уточнения пластового давления, проводить более точную настройку гидродинамических моделей на историю разработки.
Список литературы
2. Харисов М.Н., Юнусова Э.А., Майский Р.А. Алгоритм косвенного определения пластового давления с использованием методов Data Mining // Проблемы сбора, подготовки и транспорта нефти и нефтепродуктов. – 2018. – № 3. – С. 40-48.
3. Hazim H. Al-Attar A Simple Method for Estimating Average Reservoir Pressure and Well Flow Efficiency in Volumetric Oil Reservoirs // Second ADRAC, Abu Dhabi 2014. – 10 p.
4. Опыт применения аналитических методов определения пластового давления / Е.А. Кузнецова [и др.] // Нефтепромысловое дело. – 2023. – № 6. – С. 12–16.
5. Secondary Analysis of Electronic Health Records: MIT Critical Data / Massachusetts Institute of Technology. – 435 р. – DOI 10.1007/978-3-319-43742-2.
6. Hancock J.T., Khoshgoftaar T.M. CatBoost for big data: an interdisciplinary review // Journal of Big Data. – 2020. – № 7. – 45 p.
Сведения об авторах
Россия, 423462, Альметьевск, ул. Ленина, 2
E-mail: GaysinAA@tatneft.ru
Исроилов Наврузбек Курбонович, аспирант, кафедра разработки и эксплуатации нефтяных и газовых месторождений, ГБОУ ВО «Альметьевский государственный технологический университет» - «Высшая школа нефти», Институт «ТатНИПИнефть» ПАО «Татнефть» им. В.Д. Шашина
Россия, 423462, Альметьевск, ул. Ленина, 2
E-mail: IsroilovNK@tatneft.ru
Гилязов Артур Халилович, аспирант, кафедра разработки и эксплуатации нефтяных и газовых месторождений, ГБОУ ВО «Альметьевский государственный технологический университет» - «Высшая школа нефти», Институт «ТатНИПИнефть» ПАО «Татнефть» им. В.Д. Шашина
Россия, 423462, Альметьевск, ул. Ленина, 2
E-mail: GilyazovAH@tatneft.ru
Для цитирования:
Гайсин А.А., Исроилов Н.К., Гилязов А.Х. Расчёт пластового давления в добывающих скважинах при помощи методов машинного обучения // Нефтяная провинция.-2024.-№3(39).-С. 123-136. - DOI https://doi.org/10.25689/NP.2024.3.123-136. - EDN LOBMLY