Прогнозирование динамики изменения дебита нефти с помощью методов машинного обучения
Файзрахманов Г.Г., Хайруллин И.И., Хасанов Р.Р., Сосницкая В.А., Рыжов Р.В.
DOI: https://doi.org/10.25689/NP.2023.3.73-83
Аннотация
В данной работе представлен опыт применения методов машинного обучения для прогнозирования технологических показателей разработки скважин, эксплуатирующих карбонатные коллектора. Описаны этапы создания, обучения рекуррентной нейронной сети с долгой краткосрочной памятью на тестовом участке и последующее прогнозирование дебита нефти по скважинам на перспективу 3-6 месяцев. С целью оценки эффективности данного подхода проводился тест на контрольной выборке и результаты прогнозирования сопоставлялись с прогнозированием альтернативными методами и, в частности, с прогнозами геолого-гидродинамической модели, кривой падения и модели материального баланса. Объект моделирования карбонатные отложения нефтяного месторождения N, расположенного в Волго-Уральской нефтегазоносной провинции.
Список литературы
2. Hamid Rahmanifard; Ian Gates; Abdolmohsen Shabib Asl Comparison of Machine Learning and Statistical Predictive Models for Production Time Series Forecasting in Tight Oil Reservoirs // Paper presented at the SPE/AAPG/SEG Unconventional Resources Technology Conference, Houston, Texas, USA, June 2022. https://doi.org/10.15530/urtec-2022-3703284
3. Назаренко М.Ю., Золотухин А.Б. Применение машинного обучения для вероятностного прогнозирования добычи и расчёта потенциальных извлекаемых запасов / УДК 622.276.1, Нефтяное хозяйство. – 2020. - № 9. – с. 109-113.
4. Зоткин О.В., Симонов М.В., Осокина А.Е., Андрианова А.М., Маргарит А.С., Тимошенко В.А., Лебедев С.Ф. Новый подход к доуточнению прогнозов прокси-моделей пласта с помощью алгоритмов машинного обучения / УДК 004.032.26:622.276, Нефтяное хозяйство. – 2019. - № 12. – с. 60-63.
5. Hochreiter, Sepp & Schmidhuber, Jurgen. Long Short-term Memory // Neural computation. - 1997. - V. 9. - № 8. - P. 1735-1780. - DOI: 10.1162/neco.1997.9.8.1735.
Сведения об авторах
Файзрахманов Галим Гайсович, аспирант, кафедра разработки и эксплуатации месторождений трудноизвлекаемых углеводородов, институт геологии нефтегазовых технологий, Казанский федеральный университет
Россия, 420008, Казань, ул. Кремлевская, 4/5
E-mail: galimfaizrakhmanov1995@gmail.com
Хайруллин Ильнур Илфатович, аспирант, кафедра разработки и эксплуатации нефтяных и газовых месторождений, ГБОУ ВО Альметьевский государственный нефтяной институт
Россия, 423450, Альметьевск, ул. Ленина, 2
E-mail: ilnur616@yandex.ru
Хасанов Рамзиль Рамилевич, аспирант, кафедра разработки и эксплуатации нефтяных и газовых месторождений, ГБОУ ВО Альметьевский государственный нефтяной институт
Россия, 423450, Альметьевск, ул. Ленина, 2
E-mail: khasanovramzil@gmail.com
Сосницкая Валерия Анатольевна, аспирант, кафедра разработки и эксплуатации нефтяных и газовых месторождений, ГБОУ ВО Альметьевский государственный нефтяной институт
Россия, 423450, Альметьевск, ул. Ленина, 2
E-mail: valeriyasosnitskaya@yandex.ru
Рыжов Роман Викторович, аспирант, кафедра разработки и эксплуатации нефтяных и газовых месторождений, ГБОУ ВО Альметьевский государственный нефтяной институт
Россия, 423450, Альметьевск, ул. Ленина, 2
E-mail: rom.ryzhoff2011@yandex.ru
Для цитирования:
Файзрахманов Г.Г., Хайруллин И.И., Хасанов Р.Р., Сосницкая В.А., Рыжов Р.В. Прогнозирование динамики изменения дебита нефти с помощью методов машинного обучения // Нефтяная провинция.-2023.-№3(35).-С. 73-83. - DOI https://doi.org/10.25689/NP.2023.3.73-83. -
EDN PIFPLA