При бурении скважин необходимо измерять горизонтальное давление, которое возникает в недрах земли: буровой раствор должен точно противодействовать этому давлению. Обычно напряжения измеряют либо по образцам пород, либо с помощью геофизических формул, однако эти методы часто не учитывают тектонические силы. Для решения данной задачи ученые Пермского национального исследовательского политехнического университета вместе с китайскими коллегами разработали гибридную модель на основе искусственного интеллекта.
Как отмечают в пресс-службе российского вуза, нейросети находят скрытые закономерности в больших массивах данных, однако у существующих ныне моделей есть недостатки: они могут хорошо работать на знакомых скважинах, но ошибаться на новых, из-за чего точность прогноза колеблется в пределах 65–85 %. Новая гибридная модель позволяет предсказывать горизонтальные напряжения в горных породах с точностью 99,5 %, используя только стандартные данные геофизических исследований скважин.
«Разработка представляет собой гибридный алгоритм, который объединяет два подхода. Первый – это нейросеть с самонастраиваемой структурой. Второй – специальный математический метод, который помогает ей быстро находить наиболее точное решение. Модель анализирует сразу девять параметров, которые непрерывно измеряют в скважине: скорость звука, плотность породы, ее электрическое сопротивление, естественную радиоактивность, пористость и другие показатели. На их основе алгоритм вычисляет минимальное и максимальное горизонтальное напряжение», – рассказал профессор кафедры «Нефтегазовые технологии» Дмитрий Мартюшев.
Нейросеть была обучена на более чем 10 тыс. замеров, сделанных в трех скважинах геологически сложного месторождения на северо-западе Китая. После этого было проведено тестирование на скважинах, которые не участвовали в обучении. В результате точность модели составила 99,5 %.
Применение алгоритма позволяет заранее, до начала бурения, точно узнать, с какой силой порода сжата с боков. Это поможет рассчитать идеальный вес бурового раствора, чтобы стенки скважины не обрушились и не случилось аварийного выброса нефти или газа
Как отмечают в пресс-службе российского вуза, нейросети находят скрытые закономерности в больших массивах данных, однако у существующих ныне моделей есть недостатки: они могут хорошо работать на знакомых скважинах, но ошибаться на новых, из-за чего точность прогноза колеблется в пределах 65–85 %. Новая гибридная модель позволяет предсказывать горизонтальные напряжения в горных породах с точностью 99,5 %, используя только стандартные данные геофизических исследований скважин.
«Разработка представляет собой гибридный алгоритм, который объединяет два подхода. Первый – это нейросеть с самонастраиваемой структурой. Второй – специальный математический метод, который помогает ей быстро находить наиболее точное решение. Модель анализирует сразу девять параметров, которые непрерывно измеряют в скважине: скорость звука, плотность породы, ее электрическое сопротивление, естественную радиоактивность, пористость и другие показатели. На их основе алгоритм вычисляет минимальное и максимальное горизонтальное напряжение», – рассказал профессор кафедры «Нефтегазовые технологии» Дмитрий Мартюшев.
Нейросеть была обучена на более чем 10 тыс. замеров, сделанных в трех скважинах геологически сложного месторождения на северо-западе Китая. После этого было проведено тестирование на скважинах, которые не участвовали в обучении. В результате точность модели составила 99,5 %.
Применение алгоритма позволяет заранее, до начала бурения, точно узнать, с какой силой порода сжата с боков. Это поможет рассчитать идеальный вес бурового раствора, чтобы стенки скважины не обрушились и не случилось аварийного выброса нефти или газа
