Применение нейронных сетей в анализе термошахтной разработки Ярегского месторождения

Е. А. Канева

Аннотация


В статье рассмотрена задача классификации скважин блока Ярегского месторождения по принадлежности к ярусу (верхнему или нижнему) с применением нейронных сетей. При разработке месторождения заранее неизвестно, по какой траектории в продуктивном пласте будет проходить добывающая скважина. Направление скважины, как правило, определяется залеганием полезного ископаемого и физико-механическими свойствами пород, влияющими на изменение ее направления в процессе бурения. Необходимо задать направление скважины под таким углом, чтобы скважина по всей длине находилась в продуктивной зоне. При бурении наклонных и горизонтальных скважин возникает проблема искажения траектории стволов скважин. Скважина, пробуренная в нижнем ярусе, может частично дренировать водный горизонт или верхний ярус пласта. Аналогичные ситуации могут быть (и бывают) для скважин в верхнем ярусе. Главная причина искажения траектории стволов – несовершенство и изношенность буровых установок. Создана база данных технологических показателей подземных скважин уклонного блока ЮГ-3, в которую входят накопленная добыча нефти, воды за год и среднегодовая температура. На основе базы данных получена нейронная сеть, способная классифицировать скважины по ярусам. Для построения сети использовался пакет STATISTICA Neural Networks.

Ключевые слова


borehole deviation;high-viscosity oil;hot mining development;neural net;высоковязкая нефть;нейронная сеть;термошахтная разработка;угол наклона скважины

Полный текст:

PDF

Литература


1. Термошахтная разработка нефтяных месторождений / Ю. П. Коноплев [и др.]. М.: ООО «Недра-Бизнесцентр, 2006. 288 с.

2. Рузин Л. М. Особенности и инновационные направления освоения ресурсов высоковязких нефтей // Известия Коми НЦ УрО РАН. 2010. №2. C. 92-97.

3. Морозюк О. А. Пути повышения эффективности термошахтной разработки залежей аномально вязкой нефти (на примере Ярегского месторождения): дис… канд. техн. наук. Ухта, 2011. 137 с.

4. Нейроинформатика / А. Н.Горбань [и др.]. Новосибирск: Наука. Сибирское предприятие РАН, 1998. 296 с.

5. Боровикова В. П. Нейронные сети. STATISTICA Neural Networks: Методология и технологии современного анализа данных. М.: Горячая линия – Телеком, 2008. 392 с.


Ссылки

  • На текущий момент ссылки отсутствуют.