В России применяется ИИ-метод для анализа сложных нефтегазовых пород
Новые технологии помогают определить минеральный состав пород на месте без привлечения лаборатории
Учёные Сколтеха и СПбГУ разработали алгоритм на базе машинного обучения, который позволяет определять минеральный состав пород без дорогостоящих лабораторных исследований. Технология ориентирована на работу с нетрадиционными коллекторами, включая Баженовскую свиту в Западной Сибири.
Новый подход использует стандартные данные каротажа и информацию о тепловых свойствах пород. На их основе модель строит детальный минералогический профиль скважины по всей её длине. Это позволяет отказаться от точечных и затратных методов, таких как анализ керна или скважинная спектроскопия.
В основе программы лежит алгоритм градиентного бустинга, встроенный в цепочку регрессоров. Архитектура учитывает взаимосвязи между минералами, что повышает точность прогноза. Модель рассчитывает массовые и объёмные доли глины, кальцита, доломита, пирита, кварца, полевого шпата, слюды, сидерита и содержание органического углерода.
Для проверки результатов исследователи использовали предсказанные параметры в теоретической модели теплопроводности. Расчёты показали высокую вероятность совпадения с экспериментальными измерениями.
Цифровое бурение
Автор работы, аспирант программы «Нефтегазовое дело» в Сколтехе Батырхан Гайнитдинов, отметил, что ключевой вызов при работе с нетрадиционными коллекторами, такими как Баженовская свита, – это их высокая неоднородность и сложный минеральный состав.
По словам руководителя исследования Дмитрия Коротеева, методика может использоваться для оперативной интерпретации данных в процессе бурения, выделения перспективных интервалов в сложных коллекторах и оптимизации методов увеличения нефтеотдачи, что в конечном итоге способствует снижению экономических затрат на разведку и разработку месторождений.
