КОМПЛЕКСНАЯ ИНТЕРПРЕТАЦИЯ МАТЕРИАЛОВ ГЕОФИЗИЧЕСКИХ ИССЛЕДОВАНИЙ СКВАЖИН КАШИРО-ПОДОЛЬСКИХ ОТЛОЖЕНИЙ С ПРИМЕНЕНИЕМ НЕЙРОННЫХ СЕТЕЙ

О. Р. Привалова, Д. Д. Гаделева, Г. И. Минигалиева, Р. Ф. Тимерханов, Т. Ю. Емельянова

Аннотация


Каширский и подольский горизонты месторождения S представлены карбонатными отложениями: характеризуются известняководоломитовыми фациями. Петрофизическая модель каширо-подольских отложений разработана с учетом разнообразия типов пустотного пространства, а также литологического состава. Успешность апробации петрофизической модели на практике зависит не только от корректности самой модели, но и от качества каротажа и объемов комплекса геофизических исследований скважин (ГИС). В работе представлена методика по созданию синтетической кривой гамма-гамма плотностного каротажа при помощи модуля интеллектуального анализа «Нейронные сети» программного обеспечения «Прайм». Наличие синтетической кривой гамма-гамма плотностного каротажа позволит уточнить литологию разреза, что, в свою очередь, скажется на качестве применения петрофизической модели при интерпретации материалов ГИС. Итог более детального подхода: довыделение эффективных нефтенасыщенных толщин, не учтенных ранее, в связи с неполными объемами ГИС на месторождении S. При сопоставлении результатов данного подхода и разработки предложена стратегия вовлечения первоочередных участков по результатам уточнения потенциальных зон для бурения за счет довыделения эффективных нефтенасыщенных толщин.

Ключевые слова


карбонатные породы;каширо-подольские отложения;петрофизическая модель;нейронные сети;гамма-гамма плотностной каротаж;литологическая модель;

Полный текст:

PDF

Литература


Хусаинова А.М., Бурикова Т.В., Привалова О.Р., Нугаева А.Н., Зианбердин Р.И. Влияние структурных и литологических особенностей на модель насыщения карбонатных коллекторов среднего карбона месторождений Республики Башкортостан // Нефтяное хозяйство. 2016. № 8. С. 74-77

Привалова О.Р., Аминева Г.Р., Шуматбаев К.Д., Бурикова Т.В., Аликаева Л.Р. Уточнение петрофизической модели коллектора каширо-подольских отложений Арланского месторождения // Актуальные научно-технические решения для разведки нефте-добывающего потенциала для ПАО АНК «Башнефть»: сб. науч. тр. Уфа: БашНИПИнефть, 2016. Вып. 124. С. 98-102.

Shai Shalev-Shwartz and Shai Ben-David. 2014. Understanding Machine Learning: from Theory to Algorithms. Cambridge University Press, USA.

Goodfellow I., Bengio Y., Courville A. Deep Learning. MIT Press, USA, 2016.

Руководство пользователя. Прайм. Модули интеллектуального анализа. Уфа: ООО НПЦ «ГеоТЭК», 2018. 31 с.

Северин В.П. Методы многомерной безусловной минимизации: учеб. пособие по курсу «Методы оптимизации». Харьков: НТУ «ХПИ», 2013. 160 с.

Ловецкий К.П., Севастьянов Л.А., Паукшто М.В., Бикеев О.Н. Математический синтез оптических наноструктур: учеб. пособие. М.: РУДН, 2008. 123 с.




DOI: http://dx.doi.org/10.17122/ngdelo-2021-1-69-76

Ссылки

  • На текущий момент ссылки отсутствуют.


(c) 2021 О. Р. Привалова, Д. Д. Гаделева, Г. И. Минигалиева, Р. Ф. Тимерханов, Т. Ю. Емельянова

Лицензия Creative Commons
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

УФА, УГНТУ, 2020