Для многих нефтегазодобывающих предприятий актуальной является проблема качественного подбора геолого-технических мероприятий (ГТМ) с целью поддержания уровня добычи нефти. В статье предложен методический подход к решению задачи предварительной оценки эффективности планируемых ГТМ с использованием деревьев решений. Стандартная методика построения деревьев решений предполагает рекурсивный алгоритм выбора наиболее влияющего фактора и поиск лучшего разделения исходной выборки данных на две новые в зависимости от значения данного фактора. Проблемой методики является усложнение оценки влияния на эффективность ГТМ каждого из факторов. Кроме того, сложность алгоритмов построения деревьев решений требует наличия специального программного обеспечения либо навыков программирования, а также определенного уровня подготовки инженера.
Вследствие специфики исходных данных для анализа влияния факторов на эффективность ГТМ можно упростить алгоритмы построения деревьев решений. Предлагаемая упрощенная методика имеет прозрачный механизм работы, реализация которого не вызывает особой сложности в распространенных табличных редакторах. Результатом анализа с применением упрощенной методики построения деревьев решений выступают количественные критерии подбора скважины для обработки. В качестве примера приведен анализ эффективности проведенных кислотных гидравлических разрывов пласта, определены количественные критерии для дальнейшего подбора скважин-кандидатов.
Предложен способ ранжирования скважин по прогнозируемой эффективности обработки в зависимости от значений влияющих факторов, при этом вычисленный ранг скважины в свою очередь является достаточным фактором для подбора скважины, так как содержит значения остальных факторов. Показан пример построенной карты благоприятных и неблагоприятных зон для проведения ГТМ.
Список литературы
1. Пичугин О.Н., Прокофьева Ю.З., Александров Д.М. Деревья решений как эффективный метод анализа и прогнозирования // Нефтепромысловое дело. – 2013. – № 11. – С. 69 –75.
2. Пичугин О.Н., Соляной П.Н., Фатихова Ю.З. От «работы над ошибками» – к прогнозированию эффективности мероприятий // Нефть. Газ. Новации. – 2012. – № 3. – С. 28–31.
3. http://statsoft.ru/home/textbook/modules/stclatre.html.
4. Кафтанников И.Л., Парасич А.В. Особенности применения деревьев решений в задачах классификации // Bulletin of the South Ural State University. Ser. Computer Technologies, Automatic Control, Radio Electronics. – 2015 – V. 15. – № 3. – P. 26 –32.
5. Мельников Г.А., Губарев В.В. Метод построения деревьев регрессии на основе муравьиных алгоритмов // Доклады ТУСУРа. – 2014. – № 4 (34). – С. 72–78.вЃ
