Синтезирование и восстановление каротажных кривых с помощью алгоритмов машинного обучения

Иванцов, Александр Александрович Отделение нефтегазового дела (ОНД)
Бесплатно
В избранное
Работа доступна по лицензии Creative Commons:«Attribution» 4.0

Информация, получаемая при исследовании скважины акустическими и плотностными методами, является ценной при дальнейшей интерпретации литологии, подсчете запасов и создания геологической модели. К сожалению, не на всем фонде скважин проводиться специальный комплекс ГИС, в который включены акустические и плотностные каротажи. Обычно синтез данных кривых производится с использованием эмпирических зависимостей, которые, во-первых, дают не всегда точный результат, а во-вторых, не могут применяться повсеместно. В работе предлагается использовать алгоритмы машинного обучения для синтезирования кривых ГИС, ввиду высокой точности получаемых результатов, повсеместного использования и анализа скрытых связей между множеством параметров.

ВВЕДЕНИЕ……………………………………………………………..……16

1. ПОСТАНОВКА ПРОБЛЕМЫ ИССЛЕДОВАНИЯ……………….17

2. ГЕОЛОГИЧЕСКАЯ ХАРАКТЕРИСТИКА ОБЪЕКТОВ
ИССЛЕДОВАНИЯ…………………………………………………19

3. ВОССТАНОВЛЕНИЕ ДАННЫХ ПРИ ПОМОЩИ
ЭМПИРИЧЕСКИХ ЗАВИСИМОСТЕЙ………………………….22

4. ОПИСАНИЕ ОСНОВ И АЛГОРИТМОВ МАШИННОГО
ОБУЧЕНИЯ………………………………………………………….27

5. АНАЛИЗ УСТОЙЧИВОСТИ СИНТЕТИЧЕСКИХ
КАРОТАЖНЫХ КРИВЫХ И ИХ ПРОИЗВОДНЫХ…………….43

6. ФОРМИРОВАНИЕ ПРИЗНАКОВОГО ПРОСТРАНСТВА………45

7. ТЕСТИРОВАНИЕ АЛГОРИТМОВ НА ПРОМЫСЛОВЫХ
ДАННЫХ…………………………………….………………..….…46

8. АНАЛИЗ РЕЗУЛЬТАТОВ СИНТЕЗИРОВАНИЯ………………..49

9. ФИНАНСОВЫЙ МЕНЕДЖМЕНТ,
РЕСУРСОЭФФЕКТИВНОСТЬ И РЕСУРСОСБЕРЕЖЕНИЕ……55

10.СОЦИАЛЬНАЯ ОТВЕТСВЕННОСТЬ……………………………62

ЗАКЛЮЧЕНИЕ…………………………………………………….…..…..…69

СПИСОК ЛИТЕРАТУРЫ………………………………………………..…..72

ПРИЛОЖЕНИЕ А…………………………………………………….…..…..75
ПРИЛОЖЕНИЕ В……………………………………………………..……76

ПРИЛОЖЕНИЕ С…………………………………………………………..77

ПРИЛОЖЕНИЕ Д……………………………………………….………….79

ПРИЛОЖЕНИЕ Е……………………………………………………………80

ПРИЛОЖЕНИЕ Ж……………………………………………….………….81

ПРИЛОЖЕНИЕ З…………………………………………………………….89

ПРИЛОЖЕНИЕ И………..………………………………………….………91

ПРИЛОЖЕНИЕ К…………………….…………………………….……….93

ПРИЛОЖЕНИЕ Л……………………………….…………………………..95

ПРИЛОЖЕНИЕ М……………………………….…………………………..96

ПРИЛОЖЕНИЕ Л……………………………….…………………………..103

Объектом исследования является действующий фонд эксплуатационных
скважин компании «Газпромнефть». К рассмотрению представлен следующий
стандартный комплекс ГИС: нейтронный (НК), акустический (АК), гамма (ГК),
спонтанной поляризация (СП) и плотностной (RHOB) методы, плотностной и
акустический каротаж являются объектом синтеза из-за их физической
взаимосвязи. Предмет исследования – частичное или полное восстановление
данных ГИС на действующем и планирующимся к последующему бурению
фонду скважин при помощи алгоритмов машинного обучения (МО), с
минимальным стандартным комплексом данных ГИС, а именно ГК, СП, АК,
НК, RHOB.
Практическая значимость работы заключается в использование
общедоступных пакетов прикладных программ, способных реализовать
построения нейронной сети (НС) и случайного леса (СЛ). Использование
данных алгоритмов способствует генерации ценной информации,
использующейся в дальнейшем при интерпретации геологической,
петрофизической и сейсмической информации, а также создания
гидродинамической и геологической модели месторождения. Полученные
результаты данной работы подтверждаются восстановлением ряда каротажных
кривых на нескольких эталонных скважинах. Коэффициенты корреляции
синтетических кривых и экспериментальных имеют практический абсолютные
значения, что указывает на высокую степень достоверности полученной
информации.
Практическая значимость работы обусловлена снижением затрат,
направленных на проведение ГИС, оптимизацией времени обработки и
интерпретации геофизической информации.
1. ПОСТАНОВКА ПРОБЛЕМЫ ИССЛЕДОВАНИЯ

В работе рассмотрены и решены следующие задачи:
1. восстановление кривых плотностного и акустического каротажа с
помощью алгоритмов машинного обучения на реальном объекте
разработки;
2. сравнение результатов синтезирования кривых методами машинного
обучения и эмпирических уравнений;
3. сравнение точности прогнозирования данных ГИС алгоритмами
случайного леса и нейронной сети;
4. обоснование эффективности и универсальности применения методов
машинного обучения;
5. оценка экономического прироста и снижения негативного влияние на
окружающую среду.

Каротажные кривые синтезированы как на тренировочном объекте
(Шестаковский комплекс (4)), так и на действующем объекте разработки
(Крапивинское месторождение (5)). Сходимость эталонной и восстановленной
кривой лучше на данных Шестаковского комплекса, нежели чем на данных
Крапивинского месторождения, ввиду малого объема признакового
пространства и синтетической природы кривых (данные идеальны, шумы и
выбросы отсутствуют). Корреляция кривых, синтезированных на
Крапивинском месторождении, очень высокая, более 90 %, для алгоритма
случайного леса даже при минимальной базе тренировочной выборке, 10%, и
неудовлетворительная для нейронной сети, 40%, Приложение И. Принимая
последнее во внимание, рекомендуется в дальнейшем использовать алгоритм
случайного леса для прогнозирования кривых ГИС, или же нейронной сети, но
с тщательной настройкой признакового пространства и параметров вариации,
ввиду сильной чувствительности метода к флуктуации кривых входящих в
признаковое пространство.
Прогноз данных ГИС при помощи алгоритма случайного леса имеет
лучшую сходимость, чем кривые, спрогнозированные эмпирическим путем т.к.
в процессе прогнозирования данных ГИС, алгоритм случайного леса
генерирует множество ответов, кластеризует их на группы и усредняет
результаты. Группа, дающая наибольшую сходимость данных, формирует
окончательный результат.
Доказано, эмпирика имеет ряд ограничений и не может использоваться
повсеместно из-за её привязки к определенным кривым ГИС, отсутствия
керновых данных на ряде скважин и невозможности учесть все физические
факторы. Примером превосходства использования алгоритмов машинного
обучения над эмпирическими зависимостями для задач синтезирования
является сходимость кривых плотностного каротажа на скважине 508
Крапивинского месторождения алгоритмом случайного леса составляет 98%.
Синтезирование плотностного каротажа с помощью уравнения Гарднера-
Кастанье невозможно ввиду отсутствия данных для синтеза. Корреляция
акустического каротажа- 97% для случайного леса, -57% с использованием
методики Зеляева и 51% уравнения Фауста.
Алгоритмы машинного обучения являются универсальными, в связи с
простотой их использования, возможностью работы как с большим объемом
признакового пространства, так и с малым (6), прогнозированием данных
различных каротажных кривых независимо от их физической сущности, а
также возможность внедрить их на различные объекты разработки(5), где
эмпирические зависимости не работают. Главы 7 и 8, подтверждают
эффективность внедрения данных алгоритмов и подчеркивают невозможность
применения эмпирических зависимостей на Крапивинском месторождении.
Экономический прирост в самых приближенных оценках дает 168052.4
рублей со скважины (9), что также свидетельствует о целесообразности
применения МО для получения данных, тем самым значительно сокращая
время и затраты и, как результат, увеличивая экономический прирост проекта.
Синтез геофизической информации методами МО снижает до нуля
негативное влияние на окружающую среду (10), в связи с отсутствием
негативных фактов.

Заказать новую

Лучшие эксперты сервиса ждут твоего задания

от 5 000 ₽

Не подошла эта работа?
Закажи новую работу, сделанную по твоим требованиям

    Нажимая на кнопку, я соглашаюсь на обработку персональных данных и с правилами пользования Платформой

    Хочешь уникальную работу?

    Больше 3 000 экспертов уже готовы начать работу над твоим проектом!

    Татьяна Б.
    4.6 (92 отзыва)
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские ди... Читать все
    Добрый день, работаю в сфере написания студенческих работ более 7 лет. Всегда довожу своих студентов до защиты с хорошими и отличными баллами (дипломы, магистерские диссертации, курсовые работы средний балл - 4,5). Всегда на связи!
    #Кандидатские #Магистерские
    138 Выполненных работ
    Кормчий В.
    4.3 (248 отзывов)
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    Специализация: диссертации; дипломные и курсовые работы; научные статьи.
    #Кандидатские #Магистерские
    335 Выполненных работ
    Евгений А. доктор, профессор
    5 (154 отзыва)
    Более 40 лет занимаюсь преподавательской деятельностью. Специалист в области философии, логики и социальной работы. Кандидатская диссертация - по логике, докторская - ... Читать все
    Более 40 лет занимаюсь преподавательской деятельностью. Специалист в области философии, логики и социальной работы. Кандидатская диссертация - по логике, докторская - по социальной работе.
    #Кандидатские #Магистерские
    260 Выполненных работ
    Шагали Е. УрГЭУ 2007, Экономика, преподаватель
    4.4 (59 отзывов)
    Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и... Читать все
    Серьезно отношусь к тренировке собственного интеллекта, поэтому постоянно учусь сама и с удовольствием пишу для других. За 15 лет работы выполнила более 600 дипломов и диссертаций, Есть любимые темы - они дешевле обойдутся, ибо в радость)
    #Кандидатские #Магистерские
    76 Выполненных работ
    Елена Л. РЭУ им. Г. В. Плеханова 2009, Управления и коммерции, пре...
    4.8 (211 отзывов)
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно исполь... Читать все
    Работа пишется на основе учебников и научных статей, диссертаций, данных официальной статистики. Все источники актуальные за последние 3-5 лет.Активно и уместно использую в работе графический материал (графики рисунки, диаграммы) и таблицы.
    #Кандидатские #Магистерские
    362 Выполненных работы
    Дарья С. Томский государственный университет 2010, Юридический, в...
    4.8 (13 отзывов)
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссерт... Читать все
    Практикую гражданское, семейное право. Преподаю указанные дисциплины в ВУЗе. Выполняла работы на заказ в течение двух лет. Обучалась в аспирантуре, подготовила диссертационное исследование, которое сейчас находится на рассмотрении в совете.
    #Кандидатские #Магистерские
    18 Выполненных работ
    Лидия К.
    4.5 (330 отзывов)
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии ... Читать все
    Образование высшее (2009 год) педагог-психолог (УрГПУ). В 2013 году получено образование магистр психологии. Опыт преподавательской деятельности в области психологии и педагогики. Написание диссертаций, ВКР, курсовых и иных видов работ.
    #Кандидатские #Магистерские
    592 Выполненных работы
    Олег Н. Томский политехнический университет 2000, Инженерно-эконо...
    4.7 (96 отзывов)
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Явл... Читать все
    Здравствуйте! Опыт написания работ более 12 лет. За это время были успешно защищены более 2 500 написанных мною магистерских диссертаций, дипломов, курсовых работ. Являюсь действующим преподавателем одного из ВУЗов.
    #Кандидатские #Магистерские
    177 Выполненных работ
    Катерина В. преподаватель, кандидат наук
    4.6 (30 отзывов)
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации... Читать все
    Преподаватель одного из лучших ВУЗов страны, научный работник, редактор научного журнала, общественный деятель. Пишу все виды работ - от эссе до докторской диссертации. Опыт работы 7 лет. Всегда на связи и готова прийти на помощь. Вместе удовлетворим самого требовательного научного руководителя. Возможно полное сопровождение: от статуса студента до получения научной степени.
    #Кандидатские #Магистерские
    47 Выполненных работ

    Другие учебные работы по предмету

    Повышение надежности эксплуатации резервуаров путем внедрения новых конструктивных решений
    📅 2019год
    🏢 Национальный исследовательский Томский политехнический университет (ТПУ)