New well water cut prediction using machine learning

Aktan Ye. Ibrayev; Актан Ермекович Ибраев; Ибраев Актан Ермекович; Gaukhar Serikovna Kamaridenova; Гаухар Сериковна Камариденова; Камариденова Гаухар Сериковна; Bakytzhan A. Baluanov; Бакытжан Айтуарович Балуанов; Балуанов Бакытжан Айтуарович; Azamat S. Yelemessov; Азамат Серикович Елемесов; Елемесов Азамат Серикович

doi:10.54859/kjogi108642

Машиналық оқыту көмегімен жаңа ұңғымалардың сулануын болжау

Авторлар: Ибраев А.Е.¹, Камариденова Г.С.¹, Балуанов Б.А.¹, Елемесов А.С.¹
Мекемелер:
1. ҚМГ Инжиниринг
Шығарылым: Том 5, № 3 (2023)
Беттер: 20-34
Бөлім: Oil and gas field development and exploitation
URL: https://journals.rcsi.science/2707-4226/article/view/249739
DOI: https://doi.org/10.54859/kjogi108642
ID: 249739

Дәйексөз келтіру

Толық мәтін

Аннотация
Толық мәтін
Авторлар туралы
Әдебиет тізімі
Қосымша файлдар
Статистика

Аннотация

Негіздеу. Жаңа ұңғымаларды бұрғылау ең тиімді геологиялық-техникалық шаралардың біріне жатады. Қорлардың жоғары өндірілуімен және сулануымен сипатталатын жетілген кен орындарында бұрғылау үшін жобалау нүктелерін таңдау қиын міндет болып табылады. Жаңа ұңғымалардың көрсеткіштерін болжау геологиялық-гидродинамикалық модельдерді немесе аналитикалық әдістерді қолдану арқылы мүмкін болады. Бұл жұмыста авторлар геологиялық және кәсіптік деректердің кең жиынтығы негізінде жаңа ұңғымалардың іске қосу параметрлерін болжау үшін машиналық оқыту алгоритмдерін қолдануды ұсынды.

Мақсаты. Мақалада машиналық оқыту алгоритмдерін жасау процесі сипатталған және күрделі модельдің өнімділік көрсеткіштері көрсетілген. Осы жұмыстың бір бөлігі ретінде әлеуетті үміткерлердің іске қосу сулануын болжау үшін машиналық оқыту алгоритмдерін тестілеу жүргізілді.

Материалдар мен әдістер. Бұл жұмыс аясында геологиялық-техникалық кәсіптік деректерге әртүрлі машиналық оқыту әдістері қолданылды.

Нәтижелері. Әзірленген интеграцияланған модель топтастыру және регрессия көрсеткіштеріне негізделген конвергенцияның қолайлы нәтижелерін көрсетті, бұл оның жобалық ұңғымаларды іске қосу сулануының болжау үшін қолдану мүмкіндігін көрсетеді.

Қорытынды. Көрсеткіштерді болжаудың бұл әдісі геологиялық-гидродинамикалық модельдің немесе жаңа ұңғымалардың іске қосу сулануының геологиялық көрсеткіштеріне эмпирикалық тәуелділіктерінің көмегімен есептелген болжамды көрсеткіштерді нақтылауға және толықтыруға мүмкіндік беретін жаңа ұңғымалардың іске қосу сулануын болжаудың балама құралы болып табылады.

Негізгі сөздер

жаңа ұңғымаларды бұрғылау, сулануды болжау, тарату, деректер жинағы, деректерді алдын ала өңдеу, машиналық оқыту, тиімділікті бағалау

Толық мәтін

##article.viewOnOriginalSite##

Әдебиет тізімі

Tadjer A, Hong A, Bratvold R. Bayesian Deep Decline Curve Analysis: A New Approach for Well Oil Production Modeling and Forecasting. SPE Res Eval & Eng. 2022;25:568–582. doi: 10.2118/209616-PA.
Gaskari R, Mohaghegh SD, Jalali J. An Integrated Technique for Production Data Analysis (PDA) With Application to Mature Fields. SPE Prod & Oper. 2007;22:403–416. doi: 10.2118/100562-PA.
Shevchuk TN, Kashnikov OY, Mezentseva MA, et al. Production Forecast for Bazhen Formation Reservoirs on the Basis of Statistical Analyses and Machine Learning Techniques. PRONEFT. Professional'no o nefti. 2020;4(18):63–68. doi: 10.7868/S2587739920040096. (In Russ).
Kolesov VV, Kurganov DV. Well Ranking for In-Fill Drilling Using Machine Learning with Production and Geological Data. Vestnik of Samara State Technical University (Technical Sciences Series). 2019;1(61). (In Russ).
Martyushev DA, Ponomareva IN, Zakharov LA, Shadrov TA. Application of Machine Learning for Forecasting Formation Pressure in Oil Field Development. Bulletin of the Tomsk Polytechnic University. Geo Аssets Engineering. 2021;332(10):140–149. doi: 10.18799/24131830/2021/10/3401. (In Russ).
Gabitova SI, Davletbakova SA, Klimov VY, et al. A new method of decline curve forecasting for project wells on the base of machine learning algorithms. PROneft. Professionally about Oil. 2020;4:69–74. doi: 10.7868/S2587739920040102. (In Russ.).
Enikeev MR, Fazlytdinov MF, Enikeeva LV, Gubaidullin IM. The apply of machine learning methods for water cut prediction on the projected wells. V International Conference on Information Technology and Nanotechnology (ITNT-2019). 2019;4:434–444. (In Russ.).
Ilyushin PY, Galkin SV. Forecast water cut production wells perm with the A-statistical methods. Vestnik of Perm National Research Polytechnic University. Geology, Oil and Gas Industry. 2011;10:1. P. 76–84. (In Russ).
Chicco D, Jurman G. The advantages of the Matthews correlation coefficient (MCC) over F1 score and accuracy in binary classification evaluation. BMC Genomics. 2020. Vol. 6. doi: 10.1186/s12864-019-6413-7.