Аннотация:
Применение алгоритмов машинного обучения (МО) является перспективным направлением для принятия решений при управлении таким сложным процессом, как разработка нефтяного месторождения. Существенным условием применения этих алгоритмов является наличие обширной цифровой базы с представительными результатами, позволяющей провести обучение модели. В работе рассмотрено применение одного из методов МО – опорных векторов – для принятия решения о переводе скважины из добывающего в нагнетательный фонд и оценен эффект подобного перевода с точки зрения прироста добычи жидкости. Расчеты выполнены для крупного месторождения в Западной Сибири. В алгоритме также существенным образом применяется диаграмма Вороного, хорошо зарекомендовавшая себя как приближение к зоне дренируемых запасов скважины. Методика принятия решения позволяет комплексировать такие параметры, как параметры проведенных гидроразрывов пласта, начальную продуктивность, текущее энергетическое состояние потенциального участка работ, не прибегая к фильтрационному моделированию, которое в данном случае не позволяет уточнить или подтвердить параметры пластовой системы. Используется две модели: первая модель обучается на фильтрационно-емкостных параметрах участка и определяется суммарный прирост добычи для участка, с помощью второй модели рассчитывается распределение приростов по конкретным скважинам участка. Вторая модель существенно использует аппарат имитационного гидропрослушивания, позволяющий без остановок и потерь на скважинах определять связность коллектора и линии тока. Метод будет особенно перспективен в осложненных коллекторах, например, в двухпоровой среде, где связь между пластовыми параметрами и промысловыми показателями разработки традиционными методами установить затруднительно, а также при наличии техногенных трещин, в частности, от гидроразрыва пластов.
Ключевые слова:нейросетевой анализ, алгоритм Левенберга–Марквардта, анализ компонентного состава, природный газ.
УДК:
681.518:622.276 ББК:
33.361
Поступила в редакцию: 19 мая 2019 г. Опубликована: 30 сентября 2019 г.