Применение прокси-моделей при прогнозировании параметров разработки нефтяных залежей


Цитировать

Полный текст

Аннотация

Развитие цифровых технологий и вычислительных мощностей способствует ускоренной эволюции методов прогнозирования параметров разработки нефтяных и газовых залежей. Особенно важной вехой для нефтяной индустрии можно считать создание идеи и первые опыты применения искусственных нейронных сетей для разного рода прикладных задач: классификации геолого-технических мероприятий, автоматической интерпретации результатов геофизических исследований скважин и керна. На текущий момент актуальной и не до конца решенной задачей является применение машинного обучения для прогнозирования параметров разработки нефтяных залежей. Возникающие споры при попытках индустриального внедрения технологии связаны с так называемым «черным ящиком» – ситуацией, когда построенная модель не может объяснить физические законы, и в процессе расчета нелинейных зависимостей почти невозможно отследить промежуточные результаты. С учетом вышеописанных проблем на текущий момент лучшей практикой является совмещение моделей машинного обучения и физически содержательных аналитических моделей, описание которых приведено в данной работе.

Полный текст

Доступ закрыт

Об авторах

Жасулан Талгатбекович Жетруов

ТОО «КМГ Инжиниринг»

Email: zh.zhetruov@niikmg.kz
руководитель службы по аналитике г. Нур-Султан

Қайыргелді Нұрланұлы Шаяхмет

ТОО «КМГ Инжиниринг»

Email: k.shayakhmet@niikmg.kz
ведущий инженер службы по аналитике г. Нур-Султан

Куат Куанышевич Карсыбаев

ТОО «КМГ Инжиниринг»

Email: k.karsybayev@niikmg.kz
эксперт службы по аналитике г. Нур-Султан

Азамат Мұратбекұлы Бұлақбай

ТОО «КМГ Инжиниринг»

Email: a.bulakbay@niikmg.kz
ведущий инженер службы по аналитике г. Нур-Султан

Сара Болатқызы Құлжанова

ТОО «КМГ Инжиниринг»

Email: s.kulzhanova@niikmg.kz
старший инженер службы по аналитике г. Нур-Султан

Список литературы

  1. Bruce, W.A. An Electrical Device for Analyzing Oil-reservoir Behavior. – Pet. Technol., 1943, 151, р. 112–124. doi: 10.2118/943112-G.
  2. Wahl W.; Mullins L.; Barham R.; Bartlett W. Matching the Performance of Saudi Arabian Oil Fields with an Electrical Model. – J. Pet. Technol. 1962, 14, р.1275–1282. doi: 10.2118/414-PA
  3. Albertoni A.; Lake L.W. Inferring interwell connectivity only from well-rate fluctuations in waterfloods. – SPE Reserv. Eval. Eng., 2003, 6, р. 6–16. doi: 10.2118/83381-PA.
  4. Yousef A.A.; Gentil P.H.; Jensen J.L.; Lake L.W. A Capacitance Model to Infer Interwell Connectivity from Production and Injection Rate Fluctuations. – SPE Reserv. Eval. Eng., 2006, 9, р. 630–646. doi: 10.2118/95322-PA.
  5. Sayarpour M., Zuluaga E., Kabir C.S., Lake L.W. The use of capacitance-resistance models for rapid estimation of waterflood performance and optimization. – J. Pet. Sci. Eng., 2009, 69, р. 227–238. doi: 10.1016/j.petrol.2009.09.006.
  6. Kaviani D.; Jensen J.L.; Lake L.W. Estimation of interwell connectivity in the case of unmeasured fluctuating bottomhole pressures. – J. Pet. Sci. Eng., 2012, р. 90–91, 79–95. doi: 10.1016/j.petrol.2012.04.008.
  7. Soroush, M.; Kaviani, D.; Jensen, J.L. Interwell connectivity evaluation in cases of changing skin and frequent production interruptions. – J. Pet. Sci. Eng., 2014, 122, р. 616–630. doi: 10.1016/j.petrol.2014.09.001.
  8. Zhao H.; Kang, Z.; Zhang X.; Sun H.; Cao L.; Albert C. R. INSIM: A Data-Driven Model for History Matching and Prediction for Waterflooding Monitoring and Management with a Field Application – SPE Reserv. Simul. Symp., February 2015. Doi: https://doi.org/SPE-173213-MS
  9. Voronoi, G.F. Nouvelles applications des paramètres continus à la théorie de formes quadratiques. – Journal für die reine und angewandte Mathematik, 1908, 134. p. 198—287. DOI: https://doi.org/10.2118/205488-PA

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© Жетруов Ж.Т., Шаяхмет Қ.Н., Карсыбаев К.К., Бұлақбай А.М., Құлжанова С.Б., 2022

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».