Тематический рубрикатор статей

Георесурсы Т.22.№3.2020
Стр.
Скачать статью

Разработка комплексной методики прогноза эффективности геолого-технических мероприятий на основе алгоритмов машинного обучения

А.А. Кочнев, Н.Д. Козырев, О.Е. Кочнева, С.В. Галкин

Оригинальная статья

DOI https://doi.org/10.18599/grs.2020.3.79-86

79-86
rus.
eng.

open access

Under a Creative Commons license
Основную часть добычи углеводородов на территории России представляют старые нефтегазодобывающие районы, для которых характерно значительное снижение продуктивности скважин вследствие высокого обводнения и опережающей выработки наиболее продуктивных объектов. Большую роль для таких месторождений играет стабилизация добычи и повышение подвижных запасов за счет совершенствования системы разработки. Этому способствует проведение различных геолого-технических мероприятий (ГТМ).

На сегодняшний день актуальной проблемой является повышение надежности прогноза технологической и экономической эффективности при планировании различных ГТМ. Это обусловлено сложностью подбора скважин-кандидатов в условиях старого фонда, большим объёмом планируемых мероприятий, сокращением рентабельности мероприятий, отсутствие комплексной методики оценки потенциала скважин на краткосрочную и долгосрочную перспективу.

В настоящее время существует несколько методов, позволяющих оценивать эффективность ГТМ: прогноз на основе геолого-промыслового анализа, статистический прогноз, машинное обучение, гидродинамическое моделирование. Однако у каждого из них есть свои недостатки и допущения. Авторами предлагается методика прогноза эффективности геолого-технических мероприятий, позволяющая комплексировать основные методы на разных стадиях оценки эффективности и прогнозировать прирост дебита жидкости и нефти, дополнительной добычи, изменение динамики пластового давления и темпов обводнения продукции скважин.
 

геолого-технические мероприятия, прогноз эффективности, машинное обучение, математическая статистика, гидродинамическое моделирование, геолого-физические параметры

 

  • Азбуханов А.Ф., Костригин И.В., Бондаренко К.А., Семенова М.Н., Середа И.А., Юлмухаметов Д.Р. (2019). Подбор скважин-кандидатов для проведения гидроразрыва пласта на основе математического моделирования с использованием методов машинного обучения. Нефтяное хозяйство, (11), с. 38–42. https://doi.org/10.24887/0028-2448-2019-11-38-42
  • Андронов Ю.В. (2019). Методика оперативной оценки перспективности скважин для методов интенсификации притока нефти с применением нейронных сетей и деревьев решений. Автореф. дис. канд. тех. наук. Москва, 24 с.
  • Воеводкин В.Л., Галкин В.И., Кривощеков С.Н.  (2012).  Исследование влияния критериев нефтегазоносности и изученности территории Пермского края на распределение месторождений углеводородов. Нефтяное хозяйство, 6, с. 30–34.
  • Вороновский Г.К., Махотило К.В., Петрашев С.Н., Сергеев С.А. (1997). Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. 112 с.
  • Галкин С.В., Кочнев А.А., Зотиков В.И. (2019). Прогнозная оценка эффективности технологии радиального бурения для башкирских эксплуатационных объектов месторождений Пермского края. Записки Горного института, 238, с. 410–414. https://doi.org/10.31897/pmi.2019.4.410
  • Илюшин П.Ю., Рахимзянов Р.М., Соловьев Д.Ю., Колычев И.Ю. (2015). Анализ проведения геолого-технических мероприятий по увеличению продуктивности добывающих скважин на нефтяных месторождениях Пермского края. Вестник ПНИПУ. Геология. Нефтегазовое и горное дело, 14(15), с. 81–89.
  • Кочнев А.А., Зотиков В.И., Галкин С.В. (2018). Анализ влияния геолого-технологических показателей на эффективность технологии радиального бурения на примере эксплуатационных объектов Пермского края. Известия Томского политехнического университета. Инжиниринг георесурсов, 329(12), с. 20–29. https://doi.org/10.18799/24131830/2018/12/16
  • Кравченко М.Н., Диева Н.Н., Лищук А.Н., Мурадов А.В., Вершинин В.Е. (2018). Гидродинамическое моделирование термохимического воздействия на низкопроницаемые керогеносодержащие коллекторы. Георесурсы, 20(3), c. 178–185. https://doi.org/10.18599/grs.2018.3.178-185
  • Пичугин О.Н., Прокофьева Ю.З., Александров Д.М. (2013). Деревья решений как эффективный метод анализа и прогнозирования. Нефтепромысловое дело, 11, с. 69–75.
  • Полукеев Д.И., Габдрахманова Р.Р., Лесной А.Н., Крюков М.А., Пименова Н.А., Пименова М.И. (2018). Методика технико-экономической оценки эффективности геолого-технических мероприятий. ООО «ЛУКОЙЛ-Инжиниринг»
  • Репина В.А., Галкин В.И., Галкин С.В. (2018). Применение комплексного учета петрофизических характеристик при адаптации геолого-гидродинамических моделей (на примере визейской залежи Гондыревского месторождения нефти). Записки Горного института, 231, с. 268–274. https://doi.org/10.25515/pmi.2018.3.268
  • Сайфутдинов М.А., Хакимзянов И.Н., Петров В.Н., Шешдиров Р.И., Миронова Л.М. (2018). Исследования о наличии гидродинамической связи между терригенным бобриковским и карбонатным турнейским объектами на базе геолого-технологической модели участка месторождения. Георесурсы, 20(1), c. 2–8. https://doi.org/10.18599/grs.2018.1.2-8
  • Царегородцев В.Г. (2008). Конструктивный алгоритм синтеза структуры многослойного персептрона. Вычислительные технологии, 13, с. 308–315.
  • Kolbikov S., Kuznetsova Y., Smirnov A. (2018). Method of anisotropy modeling and its application to hydrodynamic simulation. SPE Russian Petroleum Technology Conference. https://doi.org/10.2118/191622-18RPTC-MS
  • Koroteev D., Dinariev O., Evseev N., Klemin D., Nadeev A., Safonov S., Gurpinar O., Berg S., Kruijsdijk C., Armstrong R., Myers M. T., Hathon L., Jong H. (2014). Direct hydrodynamic simulation of multiphase flow in porous rock. Petrophysics, 55(04), pp. 294–303.
  • Lyu S., Zhang W., Du J., Gong F. (2014). A Coupled Model for the Hydrodynamics Simulation of the Pearl River Networks and its Estuary. The 24 Int. Ocean and Polar Engineering Conf. https://doi.org/10.1155/2014/798579
  • Olenchikov D., Kruglikova L. (2008). Hydrodynamic Simulation Of Predicted Options Of Field Development. SPE Russian Oil and Gas Technical Conference and Exhibition. https://doi.org/10.2118/117408-MS
  • Putilov I., Krivoshchekov S., Vyatkin K., Kochnev A., & Ravelev K. (2020). Methods of predicting the effectiveness of hydrochloric acid treatment using hydrodynamic simulation. Applied Sciences (Switzerland), 10(14),  4828. https://doi.org/10.3390/app10144828
  •  
Александр Александрович Кочнев
Пермский национальный исследовательский политехнический университет
Россия, 614990, Пермь, пр. Комсомольский, 29
 
Никита Дмитриевич Козырев
Пермский национальный исследовательский политехнический университет; Филиал ООО «ЛУКОЙЛ-Инжиниринг» «ПермНИПИнефть» в г. Перми
Россия, 614066, г. Пермь, ул. Советской Армии, 29
 
Ольга Евгеньевна Кочнева
Санкт-Петербургский горный университет
Россия, 199106, Санкт-Петербург, Васильевский остров, 21 линия, 2
 
Сергей Владиславович Галкин
Пермский национальный исследовательский политехнический университет
Россия, 614990, Пермь, пр. Комсомольский, 29
 

Для цитирования:

Кочнев А.А., Козырев Н.Д., Кочнева О.Е., Галкин С.В. (2020). Разработка комплексной методики прогноза эффективности геолого-технических мероприятий на основе алгоритмов машинного обучения. Георесурсы, 22(3), c. 79–86. DOI: https://doi.org/10.18599/grs.2020.3.79-86

For citation:

Kochnev A.A., Kozyrev N.D., Kochneva O.E., Galkin S.V. (2020). Development of a comprehensive methodology for the forecast of effectiveness of geological and technical measures based on machine learning algorithms. Georesursy = Georesources, 22(3), pp. 79–86. DOI: https://doi.org/10.18599/grs.2020.3.79-86

© 2024 Коллектив авторов