Использование графовых нейронных сетей для моделирования взаимовлияния нагнетательных и добывающих скважин

UDK: 4.001.57:622.276.1

DOI: 10.24887/0028-2448-2026-4-94-100

Ключевые слова: коэффициент взаимовлияния скважин, графовая нейронная сеть, механизм внимания, оптимизация системы поддержания пластового давления (ППД), динамическая трансформация временной шкалы

Авт.: А.А. Гайсин (ТатНИПИнефть, ПАО «Татнефть» имени В.Д. Шашина; Альметьевский гос. технологический университет «Высшая школа нефти»); Н.К. Исроилов (ТатНИПИнефть, ПАО «Татнефть» имени В.Д. Шашина; Альметьевский гос. технологический университет «Высшая школа нефти»); Р.Х. Низаев, д.т.н. (ТатНИПИнефть, ПАО «Татнефть» имени В.Д. Шашина; Альметьевский гос. технологический университет «Высшая школа нефти»

Эффективное управление разработкой нефтяных месторождений с применением систем поддержания пластового давления (ППД) требует точной оценки фильтрационных связей между нагнетательными и добывающими скважинами. В статье представлен метод определения коэффициентов взаимовлияния скважин с использованием графовых нейронных сетей с механизмом внимания (Graph Attention Network, GAT). В основе метода система скважин формализуется как ориентированный граф, где узлы – это скважины с их технологическими показателями, а ребра – потенциальные связи. Модель GAT обучается не на прямое вычисление коэффициента влияния, а на прогнозирование технологического параметра в добывающих скважинах по историческим данным (дебиты, давления, обводненность, расстояние между скважинами). Ключевое преимущество подхода заключается в том, что искомые коэффициенты взаимовлияния извлекаются из внутренних весов механизма внимания модели, отражающих вклад каждой нагнетательной скважины в изменение давления в конкретной добывающей. Multi-head архитектура позволяет модели параллельно анализировать как гидродинамические, так и пространственные факторы. Эксперименты проводились поэтапно: на первом этапе модель была обучена и валидирована на синтетических данных из гидродинамической модели, на втором - метод успешно апробирован на реальных данных по бобриковским отложениям Ромашкинского месторождения. Разработанный метод предоставляет инструмент для получения физически интерпретируемых оценок взаимовлияния скважин непосредственно из исторических промысловых данных. Это открывает возможности для создания систем интеллектуального мониторинга и адаптивной оптимизации режимов заводнения, что в конечном счете способствует повышению эффективности разработки нефтяных месторождений.

Список литературы

1. Dynamic interwell connectivity analysis of multi-layer waterflooding reservoirs based on an improved graph neural network / Zhao-Qin Huang, Zhao-Xu Wang, Hui-Fang Hu [et al.] // Petroleum Science. – 2024. – V. 21. – No. 2. – P. 1062–1080. – https://doi.org/10.1016/j.petsci.2023.11.008

2. A new method for quantitative description of dominant channels in high water-cut stage / Cunliang Chen, Wei Zhang, Baolin Yue, Bin Liu// Improved Oil and Gas Recovery. – 2022. – V. 7. – 7 p. – https://doi.org/10.14800/IOGR.1212. – EDN: OONZPE

3. Graph neural networks and hybrid optimization for water-flooding regulation / Bo Li, Hui Zhao, Botao Liu [et al.] // Physics of Fluids. – 2025. – V. 37 (8). –

P. 086609. – https://doi.org/10.1063/5.0268372. – EDN: NYCOYX

4. Novel Techniques Show Links between Reservoir Flow Directionality, Earth Stress, Fault Structure and Geomechanical Changes in Mature Waterfloods / К.J. Heffer, R.J. Fox, C.A. McGill, N.C. Koutsabeloulis // SPE Journal. – 1997. – V. 2. – P. 91–98. – https://doi.org/10.2118/30711-PA

5. Гайсин А.А., Низаев Р.Х. Комплексный подход к моделированию взаимовлияния скважин с использованием физически обоснованных графовых нейронных сетей // Нефтяная провинция. – 2025. – № 4. – С. 251–265. – https://doi.org/10.25689/NP.2025.4.251-265. – EDN: ZWSOOR

6. Senin P. Dynamic time warping algorithm review. – Information and Computer Science Department University of Hawaii at Manoa Honolulu, USA. – 2008. –

V. 855 (1–23). – P. 40.

7. РД 153-39.0-109-01. Методические указания по комплексированию и этапности выполнения геофизических, гидродинамических и геохимических исследований нефтяных и нефтегазовых месторождений / В.Ф. Антропов, С.Г. Вольпин, М.М. Ермакова [и др.]. – М.: ФГУ «Экспертнефтегаз», 2002. – 76 с.

8. Гайсин А.А., Исроилов Н.К. Гилязов А.Х. Расчет пластового давления в добывающих скважинах при помощи методов машинного обучения // Нефтяная провинция. – 2024. – № 3. – С. 123–136. – https://doi.org/10.25689/NP.2024.3.123-136. – EDN: LOBMLY