Создание прокси-модели для подбора оптимальных параметров системы разработки с применением горизонтальных скважин с многостадийным гидроразрывом

Обложка

Цитировать

Полный текст

Аннотация

Для современного состояния добычи нефти характерно снижение доли запасов, приуроченных к традиционным коллекторам. В этой связи растет актуальность разработки объектов сложного и очень сложного строения. Среди данных объектов значительная доля запасов нефти сосредоточена в низкопроницаемых коллекторах, разработка которых традиционными площадными методами теряет свою экономическую эффективность. Целью работы является создание прогнозного инструмента для подбора оптимальных параметров системы разработки с применением горизонтальных скважин и многостадийного гидроразрыва пласта (МГРП). Для решения данной задачи была обучена модель полносвязной нейронной сети, предсказывающая параметры профиля добычи в зависимости от начальных геолого-физических условий и параметров системы разработки. Архитектура полученной нейронной сети включает в себя 3 линейных слоя по 300 нейронов на каждом. Обучающей выборкой для модели стали результаты многовариантных расчетов на синтетической гидродинамической модели, имитирующей работу элемента разработки с помощью горизонтальной скважины с МГРП на режиме истощения. Разрабатываемая модель может быть полезна при решении задачи проектирования системы разработки на новых или не разбуренных участках нефтяных месторождений с низкими проницаемостями.

Об авторах

О. С. Мерега

Северный (Арктический) федеральный университет имени М. В. Ломоносова

Email: oleg.merega@inbox.ru
ORCID iD: 0009-0008-9186-3659

Н. А. Еремин

Институт проблем нефти и газа Российской академии наук

ORCID iD: 0000-0002-2401-1586

Список литературы

  1. Ключевые проблемы освоения ачимовских отложений на разных масштабах исследования / М. В. Букатов, Д. Н. Пескова, М. Г. Ненашева. – doi: 10.24887/2587-7399-2018-2-16-21. – Текст : непосредственный // PROНЕФТЬ. Профессионально о нефти. – 2018. – № 2. – С. 16–21.
  2. Белоногов, Е. В. Критерий выбора способа разработки низкопроницаемых коллекторов / Е. В. Белоногов, А. А. Пустовских, А. Н. Ситников. – doi: 10.24887/2587-7399-2018-1-49-51. – Текст : непосредственный // PROНЕФТЬ. Профессионально о нефти. – 2018. – № 1. – С. 49–51.
  3. Печерин, Т. Н. Анализ особенностей выработки запасов отложений ачимовского нефтегазоносного комплекса / Т. Н. Печерин, К. В. Коровин. – doi: 10.25689/NP.2019.1.62-70. – Текст : непосредственный // Нефтяная провинция. – 2019. – № 1 (17). – С. 62–70.
  4. Мерега, О. С. Обзор современных методов повышения эффективности разработки нефтяных залежей приуроченных к низкопроницаемым пластам / О. С. Мерега. – Текст : непосредственный // Международная научно-практическая конференция «Золотухинские чтения. Нефть, газ и энергетика в Арктическом регионе», г. Архангельск, 25–26 апреля 2024 г.
  5. Евсюткин, И. В. Глубокие искусственные нейронные сети для прогноза значений дебитов добывающих скважин / И. В. Евсюткин, Н. Г. Марков. – doi: 10.18799/24131830/2020/11/2888. – Текст : непосредственный // Известия Томского политехнического университета. Инжиниринг георесурсов. – 2020. – Т. 331, № 11. – С. 88–95.
  6. Skansi, S. Feedforward neural networks / S. Skansi. – doi: 10.1007/978-3-319-73004-2_4. – Direct text // Introduction to Deep Learning : From Logical Calculus to Artificial Intelligence. – Cham : Springer International Publishing, 2018. – P. 79–105.
  7. Baptista, D. Performance comparison of ANN training algorithms for classification / D. Baptista, S. Rodrigues, F. Morgado-Dias. – doi: 10.1109/WISP.2013.6657493. – Direct text // 2013 IEEE 8th International Symposium on Intelligent Signal Processing, Funchal, Portugal, 2013. – P. 115–120.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».