Публикация «Интеграция методов машинного обучения и геолого-гидродинамического моделирования при проектировании разработки месторождений»
В коллаборации с сотрудниками ФБУ «ГКЗ» в третьем номере 2022 г. научно-технического журнала «Нефтяное хозяйство» опубликована статья «Интеграция методов машинного обучения и геолого-гидродинамического моделирования при проектировании разработки месторождений».
До настоящего времени мероприятия, основанные на технологиях увеличения нефтеотдачи пластов в парадигме нестационарного воздействия любых модификаций – циклическое, импульсное, изменение направления потоков и т.д., несмотря на обширные библиотеки публикаций, не находят практического применения. Такое положение дел связано с отсутствием апробированных в производственных условиях формализованных решений обоснования оптимальных темпов, последовательности и продолжительности циклов закачки воды в скважинах. По этой причине эффективность гидродинамических МУН назначается экспертно и отражает нормативный прирост КИН относительно расчетов, полученных на геолого-гидродинамических моделях.
Авторы полагают, что на III, и тем более на IV стадии разработки приоритетным инструментом гидродинамического моделирования должны стать задачи, основанные на решении «обратной» задачи гидродинамики, предусматривающие широкое применение методов машинного обучения.
Авторы предлагают новую концепцию комплексирования методов искусственного интеллекта и гидродинамической модели, в которой нейронная сеть строит функциональную связь исторического дебита нефти от приемистости, затем оптимизационный алгоритм находит максимум добычи нефти и соответствующее ему распределение закачки. При этом в отличие от примеров, которые приводятся выше, выполняется всего один расчет на ГДМ, за кратно меньший промежуток времени.