Перспективы применения машинного обучения и нейронных сетей для прогнозирования успешности мероприятий по переводу и приобщению нефтяных пластов
Зольников Д.Н.
DOI: https://doi.org/10.25689/NP.2024.4.217-232
Аннотация
В статье рассматривается подход к повышению успешности мероприятий по переводу и приобщению нефтяных пластов – посредством применения машинного обучения и нейронных сетей. В настоящее время успешность мероприятий по объекту исследования оставляет 50–60 %. В ходе геолого-промыслового анализа было выделено 65 параметров, влияющих на эффективность проведения мероприятий. Обучающая выборка включала 880 фактических проведенных мероприятий по переводу и приобщению пластов. Наиболее точным инструментом для прогнозирования успешности мероприятий оказалась нейросетевая модель – точность прогнозирования на выборке валидации составила более 80 %. Тестирование модели было проведено на отдельной выборке, включающей 50 мероприятий по переводу и приобщению пластов за 2023 г. По результатам прогнозирования 41 из 50 прогнозов оказались верными, что составляет 82 %. Прирост в дополнительной добыче нефти по скважинам тестового набора возможен на 33,9 %. Данный подход позволит повысить точность успешных прогнозов по мероприятиям на 20-30 % по сравнению с существующим подходом, что способствует сокращению числа неуспешных мероприятий и увеличению дополнительной добычи нефти.
Список литературы
2. Тимонов А.В. Системный подход к выбору геолого-технических мероприятий для регулирования разработки нефтяных месторождений: дис. …канд. техн. наук: 25.00.17. – Уфа., 2010. – 151 с.
3. Колтун А.А. Оценка эффективности и оптимальное планирование геолого-технических мероприятий на нефтяных месторождениях дис. …канд. техн. наук: 05.13.01. – Москва, 2005. – 112 с.
4. Григорьева М.П. Геологическое обоснование выбора скважин для перевода на недоизученные пласты на примере Фаинского месторождения // Научно-технический вестник ОАО «НК «РОСНЕФТЬ»». 2012. № 1. С. 7-9.
5. Лимановская О.В. Основы машинного обучения: учебное пособие. Министерство науки и высшего образования РФ – Екатеринбург: Издательство Уральского университета, 2020. – 88 с.
6. Шолле Ф. Глубокое обучение на Python. 2-е межд. издание: учебное пособие. СПб.: Питер, 2023. – 576 c.
Для цитирования:
Зольников Д.Н. Перспективы применения машинного обучения и нейронных сетей для прогнозирования успешности мероприятий по переводу и приобщению нефтяных пластов // Нефтяная провинция.-2024.-№4(40).-С. 217-232. - DOI https://doi.org/10.25689/NP.2024.4.217-232. - EDN TLKBPJ