Зонирование Верхнесалымского нефтяного месторождения с помощью кластеризации каротажных кривых алгоритмами машинного обучения

Целью работы является разработка методики, с помощью которой можно зонировать месторождения в зависимости от их геологического строения с помощью алгоритмов машинного обучения. Работа является актуальной ввиду того, что разработанная методика является не только теоретическим предположением, но и имеет возможность практического применения для разных задач нефтяной индустрии. Данным подходом могут пользоваться как геологи, так и нефтяники-разработчики. Методика использует последние наработки в области машинного обучения, а также совершенно новые разработанные подходы, которые позволяют решать сложные задачи.

1.Федеральный закон от 10 января 2002 г. №7-ФЗ «Об охране
окружающей среды» // Собрание законодательства Российской Федерации —
14 января 2002 г. — №2 — Ст. 133.
2.НалоговыйкодексРоссийскойФедерации.[Электронный
ресурс]: от 13.07.2015 № 214- ФЗ, №232-ФЗ (ред. от 10.10.2016) //
Консультант Плюс. — Режим доступа: http://www.consultant.ru/
3.Приказ от 12 марта 2013 года N101 «Об утверждении
Федеральных норм и правил в области промышленной безопасности
«Правила безопасности в нефтяной и газовой промышленности» (с
изменениями на 12 января 2015 года) (редакция, действующая с 1 января
2017 года)»// Федеральная служба по экологическому, технологическому и
атомному надзору
4.Приказ Министерства труда и социальной защиты РФ от 10
марта 2015 г. N 153н «Об утверждении профессионального стандарта
«Бурильщик капитального ремонта скважин» // Собрание законодательства
Российской Федерации — 2013, N 4, ст. 293; 2014, N 39, ст. 5266
5.Приказ от 9 декабря 2014 г. N 997н «Об утверждении типовых
норм бесплатной выдачи специальной одежды, специальной обуви и других
средств индивидуальной защиты работникам сквозных профессий и
должностей всех видов экономической деятельности, занятым на работах с
вредными и (или) опасными условиями труда, а также на работах,
выполняемых в особых температурных условиях или связанных с
загрязнением» // Министерство труда и социальной защиты российской
федерации
6.ГОСТ 12.2.032-78 от 26 апреля 1978 года №1102 «Система
стандартов безопасности труда. Рабочее место при выполнении работ сидя.
Общие эргономические требования» // Введен в действие постановлением
Государственного комитета стандартов Совета Министров СССР
7.СанПиН2.2.2/2.4.1340-03Санитарно-эпидемиологические
правила и нормативы «Гигиенические требования к персональным
электронно-вычислительным машинам и организации работы». – М.:
Госкомсанэпид-надзор, 2003 – 32 с.
8.ГОСТ 12.1.005-88 Общие санитарно-гигиенические требования
к воздуху рабочей зоны – М.: Изд-во стандартов, 1988, №12.1.005-88, 75 с.
9.СНиП 23-05-95. Естественное и искусственное освещение/
Минстрой России — М.: ГП «Информрекламиздат», 1995. — 35 с
10. СП51.13330.2011Защитаотшума:Актуализированная
редакция СНиП 23-03-2003. – М., 2011. – 46 с.
11. СН 2.2.4/2.1.8.562-96. Шум на рабочих местах, в помещениях
жилых и общественных зданий и на территории жилой застройки.
12. ГОСТ12.0.003-74(1999)ССБТ.Опасныеивредные
производственные факторы. Классификация. М., 1974.
13. Отчет «Дополнение к технологической схеме разработки
Верхнесалымского нефтяного месторождения (в пределах ЛУ Компании
«Салым Петролекм Девеломент Н.В.»)»б Уфа, 2018 – 310 с.
14. Муромцев В. С. Электрометрическая геология песчаных тел—
литологических ловушек нефти и газа.—Л.: Недра, 1984.— 260 с. (М-во
геологии СССР. Всесоюз. нефт. науч.-исслед. геол. развед. ин-т)
15. Попа А. Выбор оптимальной перфорации при кластеризации
месторождения, SPE, 2015
16. Рашка, С. Python и машинное обучение / перевод с английского
А.В. Логунова. – Москва: ДМК Пресс, 2017. – 418 с.
17. Рединга, Х.Г. Обстановки осадконакопления: процесс, фации и
стратиграфия, 3 часть, Оксфорд, 1996. – 689 с.
18. Тенгелиди,Д.Б.ДискретноепреобразованиеФурьедля
автоматической интерпретации фаций, 2014
19. Хобдэй, Г. Терригенные обстановки осадконакопления, Изд-во
Спрингер – 1983. – 423 с.
20. Холл,Б.С.Автоматическаяклассификацияфацийс
использованием машинного обучения, 2016
21. Чернова, О.С. Седиментология резервуара – Томск: Изд-во
ТПУ, 2004. – 454 с.
22. Чернова,О.С.НефтегазоносныепровинцииРоссиии
сопредельных территорий / О.С. Чернова. – Томск: Изд-во ТПУ, 2008. – 256
с.
23. Чернышев Н.И. Построение палеогеографических карт по
данным электрокаротажа – В кн.: Вопросы обработки и интерпретации
геофизических наблюдений, Пермь
24. ЭлектронныйресурсВикипедия,«MachineLearning»//
https://en.wikipedia.org/wiki/Machine_learning
25. Электронный ресурс Habr, «Первичный анализ данных с
Pandas»
26. Электронный ресурс Habr, «Нестандартная кластеризация,
часть 3: приёмы и метрики для кластеризации временных рядов»
27. Электронный ресурс, The Way Ahead, Transforming Academic
Research: Solving Previously Complex Oil and Gas Problems Using Machine
Learning //https://www.spe.org/en/twa/twa-article-detail/?art=4842