USING NEURAL NETWORKS TO ESTIMATE THE POROSITY AND PERMEABILITY OF ROCKS

Анотація

З появою штучного інтелекту (ШІ) і його застосуванням у різних галузях промисловості, з'явилася можливість автоматизувати та оптимізувати багато процесів, в тому числі і в геофізиці. Використання ШІ в геофізичних дослідженнях свердловин може внести революційні зміни у способи збору, обробки та інтерпретації даних. Очікується, що він стане ключовим інструментом у нафтогазової промисловості для розвитку моделювання та аналізу даних, пропонуючи значні переваги для точності та ефективності процесів. У роботі продемонстровано спробу оцінити пористість та проникнення гірських порід на основі результатів досліджень геофізичних за допомогою нейромережі, як основного інструменту. Пористість і проникність є одними із ключових характеристик пласта-колектора та виробництва параметрів для проєктних розрахунків та розробки продуктивних горизонтів нафтогазових родовищ. Основні складності в їх визначені параметри полягають у тому, що вони є функцією багатьох. З появою нових інформаційних технологій відкриваються можливості знаходження складних взаємозв'язків між розрізненими геолого-геофізичними параметрами. Розробка моделі штучної нейронної мережі для прогнозування коефіцієнтів пористості та проникнення ґрунтується на глибокому аналізі даних геофізичних досліджень. Цей підхід дозволяє виявити приховані взаємозв'язки між параметрами, які залишаються непоміченими при застосуванні традиційних аналітичних методів. У ході дослідження досягають високої точності прогнозування значущості пористості та проникнення, що підтверджується їх співпадінням із результатами лабораторних експериментів. Це забезпечує ефективність використання машинного навчання для автоматизованого аналізу геофізичних даних. Запропонований підхід має значні переваги, зокрема швидкість і точність аналізу, що є особливими прикладами в демонстраційних ситуаціях, коли проведення лабораторних досліджень неможливо або обмежено. Використання нейронних мереж сприяє глибшому розумінню впливу різних факторів на пористість та проникнення поряд, що має велике значення для прийняття рішень у процесі розробки покладів. Новизна цієї роботи утворилася у створеному інтегрованому підході, який об'єднує класичні методи геофізики з інноваційними алгоритмами машинного навчання. Така комбінація забезпечує швидке та ефективне визначення пористості та проникності поряд, відкриває нові можливості для оптимізації процесів вивчення та розробки родовищ.