И.Р. Махмутов, А.А. Евдощук, Д.В. Грандов, Ю.А. Плиткина, И.Н. Амосова, В.А. Волков

 

Применение современных методов ГИС и алгоритмов машинного обучения при обосновании типизации пород на месторождениях Ванкорского кластера

 

DOI 10.31087/0016-7894-2020-6-77-86

​

Современная петрофизика развивается в направлении цифровизации, машинного интеллекта и обработки больших массивов информации. В условиях значительного объема накопленных неоднородных данных (геофизическое изучение скважин, керн, геолого-технологические и промыслово-геофизические исследования, испытания и т. д.), имеющих разные временные промежутки записи, стандартные методы анализа требуют кратного роста трудозатрат. В этой ситуации инструменты машинного обучения позволяют существенно ускорить процесс консолидации, обработки и интерпретации исходных материалов. Вместе с тем для получения наиболее качественного результата необходимо привлекать современные высокотехнологичные методы геофизических исследований скважин. При проектировании системы разработки залежей с высокой дифференциацией свойств по разрезу важно обеспечить вовлечение в
разработку всего объема продуктивных пород. На примере месторождения Красноярского края предложен подход к картированию в пласте интервалов высоко- и низкопроницаемых коллекторов с применением интегрированного анализа данных керна и высокотехнологичных методов геофизических исследований скважин. Впервые публикуются результаты применения разработанной технологии для типизации пород на месторождениях Ванкорского кластера.
В статье рассмотрены аспекты разработки алгоритма машинного обучения и выполнена оценка достоверности полученных результатов. Отмечается, что использование предложенного инструмента на активах ПАО «НК «Роснефть» позволит повысить эффективность разработки нижнехетских отложений.

​

Ключевые слова: типизация пород; машинное обучение; геофизические исследования скважин; автоматизация.

​

Для цитирования:  Махмутов И.Р., Евдощук А.А., Грандов Д.В., Плиткина Ю.А., Амосова И.Н., Волков В.А. Применение современных методов ГИС и алгоритмов машинного обучения при обосновании типизации пород на месторождениях Ванкорского кластера // Геология нефти и газа. – 2020. – № 6. – С. 77–86. DOI: 10.31087/0016-7894-2020-6-77-86.

 

Литература

1. Бобров С.Е., Евдощук А.А., Розбаева Г.Л. Повышение точности прогноза проницаемости на основе выделения классов-коллекторов и их изучения в объеме пласта НХ-I Сузунского месторождения // Нефтяное хозяйство. – 2013. – № 2. – С. 46–50.
2. Cannon D.E., Minh С.С., Kleinberg R.L. Quantitative NMR Interpretation // SPE Annual Technical Conference and Exhibition (27–30 September, New Orleans, Louisiana). – SPE, 1998. – С. 227–236. DOI: 10.2523/49010-MS.
3. Кантемиров Ю.Д., Хабаров А.В., Ошняков И.О., Калабин А.А., Кошелев М.Б., Дмитриевский М.В. Применение методов машинного обучения для поиска пропущенных продуктивных интервалов и прогноза «скрытых» петрофизических свойств // ООО «ТННЦ»: мат-лы конференции «Исследование скважин: Целеполагание. Технологии. Эффект». Уфа, 29 мая 2020 г.

​

И.Р. Махмутов   iD

Менеджер по петрофизике
ООО «Тюменский нефтяной научный центр»,
625048 Тюмень, ул. Максима Горького, д. 42
e-mail: irmakhmutov@tnnc.rosneft.ru

 

А.А. Евдощук   iD
Эксперт
ООО «Тюменский нефтяной научный центр»,
625048 Тюмень, ул. Максима Горького, д. 42
e-mail: evdoschukaa@sibintek.ru

 

Д.В. Грандов   iD
Главный менеджер
ООО «Тюменский нефтяной научный центр»,
625048 Тюмень, ул. Максима Горького, д. 42
e-mail: grandovdv@sibintek.ru

 

Ю.А. Плиткина  iD
Начальник управления
ООО «Тюменский нефтяной научный центр»,
625048 Тюмень, ул. Максима Горького, д. 42
e-mail: yaplitkina@tnnc.rosneft.ru

 

И.Н. Амосова  iD
Ведущий специалист
ООО «Тюменский нефтяной научный центр»,
625048 Тюмень, ул. Максима Горького, д. 42
e-mail: amosovain@sibintek.ru

 

В.А. Волков  iD
Начальник отдела
ООО «Тюменский нефтяной научный центр»,
625048 Тюмень, ул. Максима Горького, д. 42
e-mail: volkovva2@sibintek.ru