Исследование опубликовано в журнале первого квартиля IEEE Geoscience and Remote Sensing Letters.
С помощью модели можно:
- получить полезную информацию о скважине - например, сравнить ее с уже разработанными скважинами поблизости, чтобы:
- спрогнозировать актуальные для нефтедобычи свойства,
- повысить эффективность бурения;
- решить проблему неправильного направления бурения:
- при продвижении вглубь нефтеносного пласта важно оставаться в рамках одного типа породы,
- если пересечь границу с другим типом, то придется начинать заново, в другом направлении, а это требует больших затрат;
- определить текущий тип породы;
- скорректировать процесс бурения.
- после оценки месторождения мы получаем большой массив разрозненных данных, и непонятно, что с ним делать;
- целью нашего исследования было построить такую модель, которая на основе всех этих данных будет создавать математическое представление — вектор, который полностью описывает скважину;
- точность предсказания типа породы на основе наших представлений составила 82%, а предыдущий лучший результат — 59%.
Для последних нужны данные с разметкой, т.е. снабженные дополнительным описанием, а режим самообучения этого не требует.
Например, зонд может регистрировать в разведочной скважине излучение или другие сигналы геофизических процессов.
Самообучение позволяет использовать эти данные как есть, без разметки.
Тезисы А. Марусова:
- методы самообучения разделяют на контрастивные и неконтрастивные;
- мы применяли неконтрастивные — в таких методах используются только пары одинаковых объектов;
- в качестве примера таких объектов можно привести интервалы сигналов из одной и той же скважины.
Программа выполняет расчет прогноза добычи и упрощает мониторинг работы скважин, в т.ч. для уточнения данных телеметрии.
В цифровой двойник заложена информация о работе более чем 150 скважин.
