USD 80.5268

-0.16

EUR 93.3684

-1.09

Brent 66.42

-0.27

Природный газ 2.801

-0.01

2 мин
3704

В КФУ предложили метод для оперативной оценки проницаемости нефтегазоносных пород на основе Swin Transformer

По словам разработчиков, новый способ не заменяет лабораторные исследования и предназначен для предварительного анализа газопроницаемости коллекторов.

В КФУ предложили метод для оперативной оценки проницаемости нефтегазоносных пород на основе Swin Transformer

Источник: Пресс-служба КФУ

Москва, 17 окт - ИА Neftegaz.RU. Геологи Казанского федерального университета (КФУ) разработали метод для быстрого оценивания перспективности нефтегазоносных пород для добычи нефти и природного газа. Для предварительной оценки свойств пород-коллекторов, включая проницаемость, ученые использовали машинное обучение и данные рентгеновской микротомографии.
Об этом сообщает пресс-служба КФУ.

Коллекторы - это не то, что вы подумали. В нефтегазе коллекторами называют горные породы, которые вмещают жидкие и газообразные флюиды (нефть, газ и воду) и отдают их при разработке. Они обладают такими свойствами, как пористость и проницаемость. В дальнейшем по этим характеристикам можно судить о пригодности горных пород для добычи углеводородов. За счет нового метода исследователи проанализировали керновые образцы, которые используются в нефтегазовой отрасли промышленности для оценки свойств нефтегазоносных пластов.

Наблюдения и результаты разработки казанских геологов опубликованы в журнале Scientific Visualization. По словам одного из авторов статьи Р. Кадырова, проницаемость - наиболее важное свойство коллектора. Она зависит от количества и связанности пор, а также от радиуса их горловин. Породы по проницаемости делятся на несколько типов:
  • очень хорошо проницаемые (более 1000 миллидарси),
  • хорошо проницаемые (100–1000 мД),
  • среднепроницаемые (10–100 мД),
  • слабопроницаемые (1–10 мД),
  • плохо проницаемые (менее 1 мД).
Уточняется, что экспериментальные измерения проницаемости пород требуют много времени. Новый метод с использованием алгоритма Swin Transformer позволяет проводить те же процессы быстрее.
Архитектура Swin Transformer позволяет решать различные задачи, от классификации изображений до видеоанализа и сегментации объектов. Входное изображение преобразуется в вектор с помощью линейного преобразования, а затем пиксельные значения преобразуется в числовую форму для дальнейшей обработки.

Казанские ученые предложили подход, который предоставляет необходимые данные о породах по цифровым изображениям.

«По данным микротомографии физико-математическая модель формирует оценку локальной проницаемости на основе каждого изображения стека, которая затем используется для обучения алгоритма Swin Transformer — иерархической архитектуры глубокого обучения, изначально разработанной для анализа изображений с учетом локальных и глобальных признаков», — поясняет старший научный сотрудник Р. Кадыров.

Однако исследователь подчеркивает, что новый метод не может полноценно заменить длительные исследования, проводимые в лабораториях. Цифровые снимки дают данные для предварительной оценки нефтегазоносных пород.

«Метод является перспективным инструментом для развития технологий цифрового керна и анализа сложных карбонатных коллекторов», — заключает Р. Кадыров.

Напомним, в июне 2025 г. Новосибирский государственный университет (НГУ) выиграл грант на 210 млн руб. для разработки цифрового керна, т. е. математической модели образцов глубинных слоев геологических пород. Результаты исследования ученых должны способствовать ускорению добычи трудноизвлекаемых запасов (ТрИЗ) углеводородов.

Еще летом текущего года метод анализа низкопроницаемых коллекторов с использованием детализированных трехмерных цифровых моделей керна (цифрового двойника) анонсировали ученые Пермского Политеха (ПНИПУ) и Китайского университета нефти и газа. В том же месяце специалисты Тюменского нефтяного научного центра (ТННЦ) представили проект по автоматизации анализа литологического описания керна.

Автор: А. Игнатьева


Подпишитесь

Новости СМИ2




Подписывайтесь на канал Neftegaz.RU в VK