Прогнозирование свойств коллекторов — одна из ключевых задач в нефтедобыче, которая позволяет оценить потенциал месторождения и оптимизировать его разработку. Традиционные методы, такие как геофизические исследования и анализ керна, часто сталкиваются с трудностями из-за неоднородности структуры горных пород. Ученые Пермского Политеха предложили решение этой проблемы, применив алгоритмы машинного обучения для моделирования пористости коллекторов.
Коллекторы — это горные породы, содержащие пустоты, которые могут вмещать и отдавать нефть, газ или воду. Точное прогнозирование их свойств, особенно пористости, критически важно для оценки запасов углеводородов. Обычно для этого используют данные геофизических исследований, таких как радиоактивный, электрический и акустический каротаж, а также лабораторные исследования керна. Однако в условиях сложного геологического строения эти методы часто дают неточные результаты.
Ученые ПНИПУ разработали алгоритм машинного обучения, который анализирует данные геофизических исследований и лабораторных анализов керна. Для обучения модели использовали информацию по 238 скважинам шести месторождений. Полученные данные интегрировали в 3D-модель месторождения, что позволило уточнить распределение пористости и пересчитать запасы нефти.
«Мы провели комплексную работу по сбору данных, обучению и настройке алгоритма. В результате точность прогноза пористости повысилась на 56% по сравнению с традиционными методами», — рассказал Сергей Кривощеков, доцент кафедры геологии нефти и газа ПНИПУ.
Уточненная 3D-модель позволила выявить дополнительные зоны с запасами нефти, которые ранее не учитывались при разработке месторождения. Это дало возможность скорректировать план добычи и увеличить объемы извлекаемых ресурсов.
«Разработанный подход позволяет более эффективно использовать ресурсы месторождения, снижая затраты и повышая объемы добычи», — отметил Георгий Шиверский, аспирант кафедры геологии нефти и газа ПНИПУ.
Исследование пермских ученых подтвердило перспективность применения искусственного интеллекта в нефтедобыче. Новый метод не только повышает точность прогнозирования, но и открывает возможности для более эффективной разработки месторождений. В будущем подобные технологии могут стать стандартом в отрасли, объединяя традиционные геологические знания с современными достижениями в области анализа данных.
Источник: naked-science.ru
Фото: 3D-модель. Полученный куб пористости / © Сергей Кривощеков, журнал «Геосистемная инженерия»
