Використання нейромереж для оцінювання пористості та проникності гірських порід

Анотація

Із 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 у геофізичних дослідженнях свердловин (ГДС) може внести революційні зміни у способи збору, обробки та інтерпретації даних. Очікується, що він стане ключовим інструментом у нафтогазовій промисловості для розвитку моделювання та аналізу даних, пропонуючи значні переваги для точності та ефективності процесів. У роботі продемонстровано спробу оцінити пористість та проникність гірських порід на основі результатів ГДС за допомогою нейромережі, як основного інструменту. Пористість і проникність є одними із ключових характеристик пласта-колектора та важливими параметрами для проєктних розрахунків та розробки продуктивних горизонтів нафтогазових родовищ. Основні складнощі у їх визначенні  полягають в тому, що вони є функцією багатьох параметрів. 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 і проникності порід базується на глибокому аналізі даних ГДС. Цей підхід дозволяє виявити приховані взаємозв’язки між параметрами, які залишаються непоміченими при застосуванні традиційних аналітичних методів. У ході дослідження вдалося досягти високої точності прогнозування значень пористості та проникності, що підтверджується їхнім співпадінням із результатами лабораторних експериментів. Це демонструє ефективність використання машинного навчання для автоматизованого аналізу геофізичних даних. Запропонований підхід має значні переваги, зокрема швидкість і точність аналізу, що є особливо важливим у ситуаціях, коли проведення лабораторних досліджень неможливе або обмежене. Використання нейронних мереж сприяє глибшому розумінню впливу різних факторів на пористість та проникність порід, що має велике значення для прийняття рішень у процесі розробки покладів. Новизна цієї роботи полягає у створенні інтегрованого підходу, який об'єднує класичні методи геофізики з інноваційними алгоритмами машинного навчання. Така комбінація забезпечує швидке та ефективне визначення пористості та проникності порід, відкриваючи нові можливості для оптимізації процесів вивчення та розробки родовищ.