Please use this identifier to cite or link to this item: https://elib.utmn.ru/jspui/handle/ru-tsu/3305
Title: Использование искусственных нейронных сетей для прогнозирования динамики обводнения горизонтальных скважин
Other Titles: Using neural networks for predicting the dynamics of water cut of horizontal wells
Authors: Kislitsyn, A. A.
Kuznetsov, S. V.
Podnebesnykh, A. A.
Granovsky, A. M.
Кислицын, А. А.
Кузнецов, С. В.
Поднебесных, А. В.
Грановский, А. М.
Keywords: neural networks
continental sediments
water cut
water coning
displacement characteristics
acoustic impedance
seismic inversion
genetic inversion
нейронные сети
континентальные отложения
обводненность
конусообразование
характеристики вытеснения
акустический импеданс
сейсмическая инверсия
генетическая инверсия
Issue Date: 2019
Publisher: Издательство Тюменского государственного университета
Citation: Использование искусственных нейронных сетей для прогнозирования динамики обводнения горизонтальных скважин / А. А. Кислицын [и др.] // Вестник Тюменского государственного университета. Серия: Физико-математическое моделирование. Нефть, газ, энергетика / главный редактор А. Б. Шабаров. – Тюмень : Издательство Тюменского государственного университета, 2019. – Т. 5, № 4(20). – С. 160-180.
Abstract: This article presents the problem of determining the conditions of intensive flooding of horizontal wells for complicated geological structure strata, such as the Pokur formation at the Vostochno-Messoyakhskoye oil field. It corresponds to alluvial continental planes or to coastal-sea conditions of sedimentary rocks accumulation. The principal peculiarity of the geological structure of these strata is the high lateral heterogeneity, which is connected with riverbed migration by sedimentary rocks accumulation. Using the neural network method, the authors have developed an algorithm that allows explaining the different dynamics of displacement characteristics for the wells with identical geological and technological indicators. Having analyzed the dynamics and causes of water cut of 125 wells at EastMessoyahskoe oil field, the authors show that the geo-statistical methods do not apply to the task of describing continental accumulation objects with compound construction. However, the results of seismic data interpretation provide the basic volume of information about the inter-well space. The authors have developed an algorithm for complete regression analysis for the adaptation of the hydrodynamic model, which includes the method for constructing a cube of sandiness based on neural network modeling. It follows the basic factors, those exert influence on dynamics of water cut. They include distance at well’s tube to wateroil contact, and presence of impenetrable or semi penetrable interlayer between tube and water-oil contact. The neural network algorithm (Genetic Inversion) allowed performing the test calculations on one of group wells most operated. The suggested approaches in the construction of the reservoir distribution in the inter-well space allow achieving better integral convergence of the dynamics of water cut at the first iterations of the full-scale hydrodynamic model.
Сформулирована задача определения условий интенсивного обводнения горизонтальных скважин, пробуренных в пластах, имеющих сложное геологическое строение. Таковыми являются пласты покурских отложений Восточно-Мессояхского месторождения, относящиеся к аллювиальным равнинам континента и прибрежно-морской обстановке осадконакопления. Основной особенностью их геологического строения является высокая латеральная неоднородность, связанная с миграцией русловых комплексов в процессе накопления осадочного материала. С привлечением метода нейронных сетей разработан алгоритм, позволяющий объяснить различную динамику характеристик вытеснения для скважин с идентичными геолого-технологическими показателями для пластов покурской формации континентального генезиса. Исследована динамика и причины обводнения 125 скважин Восточно-Мессояхского месторождения. Показано, что для описания сложнопостроенных объектов континентальных отложений методы геостатистики неприменимы; основной объем информации о межскважинном пространстве дают результаты интерпретации сейсмических данных. Предложен алгоритм полного регрессионного анализа при адаптации гидродинамической модели, включающего в себя методику построения куба песчанистости на основе нейросетевого моделирования. Определены основные факторы, влияющие на динамику обводнения: расcтояние от ствола скважины до водонефтяного контакта и наличие непроницаемых или полупроницаемых пропластков между стволом Скважины и водонефтяным контактом. С помощью генетического алгоритма нейронных сетей (genetic inversion) выполнены тестовые расчеты на скважинах одного из кустов с длительной эксплуатацией. Показано, что предлагаемые подходы при построении распределения коллектора в межскважинном пространстве позволяют добиться лучшей интегральной сходимости динамики обводнения на первых итерациях полномасштабной гидродинамической модели.
URI: https://elib.utmn.ru/jspui/handle/ru-tsu/3305
ISSN: 2500-0888
2411-7927
Source: Вестник Тюменского государственного университета. Серия: Физико-математическое моделирование. Нефть, газ, энергетика. – 2019. – Т. 5, № 4(20)
Appears in Collections:Вестник ТюмГУ: Физико-математическое моделирование. Нефть, газ, энергетика

Files in This Item:
File Description SizeFormat 
160_180.pdf7.44 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.