Статья посвящена разработке и применению методов машинного обучения для прогнозирования потенциального дебита нефти скважин на месторождениях сверхвязкой нефти (СВН). Актуальность исследования обусловлена высокой неопределенностью традиционных методов, таких как аналитические (например, метод Батлера) и гидродинамические модели. Предложен инновационный подход, основанный на машинном обучении, позволяющий автоматизировать процесс прогнозирования и повысить его точность за счет анализа исторических и модельных данных. В работе использованы данные по 567 скважинам, включающие фильтрационно-емкостные свойства вскрытых пластов, технологические показатели и параметры геолого-гидродинамических моделей. На этапе предварительной обработки данных исключены аномалии, заполнены пропуски и выполнена кластеризация скважин с помощью алгоритма k-средних. Для прогнозирования дебита нефти протестированы различные алгоритмы машинного обучения, среди которых наилучшие результаты показал CatBoostRegressor с коэффициентом детерминации R² = 0,785. Дополнительный анализ важности признаков и SHAP-анализ подтвердили физическую обоснованность модели с выделением ключевых факторов, таких как нефтенасыщенная толщина пласта и объем нефтенасыщенной породы. Практическая значимость исследования заключается в создании веб-интерфейса, обеспечивающего удобство использования модели для инженеров и геологов. Разработанный подход позволяет оперативно оценивать потенциальный дебит нефти, что способствует оптимизации проектирования разработки месторождений СВН. Результаты исследования демонстрируют значительный прирост точности прогнозирования (на 33 %) по сравнению с традиционными методами, что подтверждает эффективность применения машинного обучения для оценки потенциального дебита нефти скважин на месторождениях СВН Республики Татарстан.
Список литературы
1. Определение оптимального режима освоения парных горизонтальных скважин как одного из важных этапов реализации технологии парогравитационного дренирования / Я.В. Захаров [и др.] // Особенности разведки и разработки месторождений нетрадиционных углеводородов. Международная научно-практическая конференция, Казань, 2–3 сентября 2015 г. – Казань: Ихлас, 2015. – С. 157–160.
2. Butler R.M. Steam-Assisted Gravity Drainage: Concept, Development, Performance and Future // Journal of Canadian Petroleum Technology. – 1994. – V. 33. –
№ 2. – P. 44–50. – https://doi.org/10.2118/94-02-05
3. Биглов Р.Р., Зарипов А.Т., Шайхутдинов Д.К. Новый подход к построению геологических моделей залежей сверхвязкой нефти (СВН) для условий шешминского горизонта Республики Татарстан // Инновации в разведке и разработке нефтяных и газовых месторождений. Международная научно-практическая конференция, посвященная 100-летию со дня рождения В.Д. Шашина, 7–8 сентября 2016 г., г. Казань : в 2 т. – Т. 1. – Казань: Ихлас, 2016. –
С. 258–260. – EDN: NOLYOQ
4. Butler R.M. Gravity Drainage to Horizontal Wells // Journal of Canadian Petroleum Technology. – 1992. – V. 31. – № 4. – P. 31–37. – https://doi.org/10.2118/92-04-02
5. Шайхутдинов Д.К. Совершенствование системы разработки залежей сверхвязкой нефти Республики Татарстан в условиях высокой неоднородности нефтенасыщенного пласта : автореф. дис... канд. техн. наук. – Бугульма, 2018. – 24 с. – EDN: LSIQVS
6. Оптимизация режимов эксплуатации добывающих скважин в комплексе с инженерным подходом, программированием и методами машинного обучения / Р.М. Амерханов [и др.] // Нефтяное хозяйство. – 2024. – № 8. – С. 94–99. – https://doi.org/10.24887/0028-2448-2024-8-94-99. – EDN: TUQNBQ
7. CatBoost: unbiased boosting with categorical features / Prokhorenkova L. [et al] // NeurIPS 2018 : 32nd Conference on Neural Information Processing Systems,
Dec 2-8, 2018, Montréal, Canada. – 2018. –https://doi.org/10.48550/arXiv.1706.09516
Юбилей Великой Победы
В юбилейном 2025 году подготовлены: - специальная подборка статей журнала, посвященных подвигу нефтяников в годы Великой Отечественной войны; - списки авторов публикаций журнала - участников боев и участников трудового фронта. |
