Полное описание

Бриллиант, Л. С. Интеграция методов машинного обучения и геолого-гидродинамического моделирования при проектировании разработки месторождений / Л. С. Бриллиант, А. С. Завьялов, М. Ю. Данько, К. А. Андонов [и др.]. - DOI 10.24887/0028-2448-2022-3-48-53. - Текст : непосредственный // Нефтяное хозяйство = Oil Industry : научно-технический и производственный журнал; инновационный журнал нефтегазового комплекса. - 2022. - N 3. - С. 48-53. - Библиогр. в конце ст. - ISSN 0028-2448.

ГРНТИ	УДК
28.23.37	004.032.26
28.23.25	004.85
38.53	622.276.1

Рубрики:
Искусственный интеллект
Нейронные сети -- Машинное обучение
Нефть -- Месторождения -- Разработка

Кл.слова (ненормированные): разработка нефтяных месторождений -- методы увеличения нефтеотдачи (мун) -- нейронные сети -- геолого-гидродинамическое моделирование -- машинное обучение
Аннотация: Maintaining oil production at long-term developed fields requires solving the problem of high production costs. This problem is associated with the need to withdraw significant volumes of produced water and a proportionally high need for injection in order to maintain reservoir pressure. It is noted that a 1% reduction in water cut in production makes it possible to reduce operating costs in oil production by up to 15%. It is shown that the problems of effective development of mature fields are associated with the solution of the optimization problem of distributing fluid production and water injection in the wells system. The authors argue the idea that at the later stages of development, the priority for hydrodynamic modeling should be tools based on solving the inverse problem of hydrodynamics, providing for the widespread use of material balance methods and allowing big data processing. A new concept of combining artificial intelligence methods and a hydrodynamic model is proposed. The concept provides for obtaining a functional relationship between the historical oil production rate and injectivity using a neural network, searching for the maximum oil production and its distribution. At the same time, only one calculation is performed on the hydrodynamic model, which significantly reduces time costs. An example of the application of the proposed technology is given. It is concluded that the set of methodological, mathematical and informational solutions presented in the article will allow formalizing the processes of designing hydrodynamic methods for enhanced oil recovery, clarifying the model for a feasibility study of profitable and technologically recoverable oil reserves. = Поддержание добычи нефти на давно разрабатываемых месторождениях требует решения проблемы высокой себестоимости добычи. Эта проблема связана с необходимостью отбора значительных объемов пластовой воды и пропорционально высокой потребностью в закачке для поддержания пластового давления. Отмечено, что снижение обводненности продукции на 1% позволяет снизить эксплуатационные затраты при добыче нефти до 15%. Показано, что проблемы эффективной разработки зрелых месторождений связаны с решением оптимизационной задачи распределения добычи жидкости и закачки воды в систему скважин. Авторы аргументируют мысль о том, что на более поздних этапах развития приоритетом для гидродинамического моделирования должны стать инструменты, основанные на решении обратной задачи гидродинамики, предусматривающие широкое использование методов материального баланса и позволяющие обрабатывать большие данные. Предлагается новая концепция объединения методов искусственного интеллекта и гидродинамической модели. Концепция предусматривает получение функциональной зависимости между историческим дебитом нефти и приемистостью с помощью нейронной сети, поиск максимального дебита нефти и его распределение. При этом на гидродинамической модели выполняется только один расчет, что значительно сокращает временные затраты. Приведен пример применения предлагаемой технологии. Сделан вывод, что комплекс методических, математических и информационных решений, представленных в статье, позволит формализовать процессы проектирования гидродинамических методов повышения нефтеотдачи, уточнить модель ТЭО рентабельных и технологически извлекаемых запасов нефти.
Доп. точки доступа:
Завьялов, А.С.
Данько, М.Ю.
Андонов, К.А.
Шпуров, И.В.
Браткова, В.Г.
Давыдов, А.В.


Нет сведений об экземплярах
Держатели документа:
Государственная публичная научно-техническая библиотека России : 123298, г. Москва, ул. 3-я Хорошевская, д. 17 (Шифр в БД-источнике (KATBW): -339571-553734)

Шифр в сводном ЭК: 7ea4ac20058fd00b785f1f883324bcb5

Заказать издание
Заказ фрагмента документа ₽