В России создана интеллектуальная карта проницаемости нефтяного пласта

Ученые из Сколтеха, Томского политеха, «Газпром нефти» и Института исследований искусственного интеллекта (AIRI) разработали новый интеллектуальный метод построения детальных карт проницаемости нефтяных пластов. Технология позволяет с высокой точностью оценивать, насколько легко нефть фильтруется через породы не только вблизи скважин, но и в межскважинном пространстве – как раз там, где традиционные подходы испытывают наибольшие трудности. Метод был проверен на данных реального месторождения в Западной Сибири с глубиной продуктивных пластов порядка 2400-2600 м, температурой около 90°C и эффективной нефтенасыщенной толщиной до 60 м.

До недавнего времени геологи и инженеры были вынуждены совмещать разнородные источники информации фактически вручную. Измерения по скважинам (каротаж и гидродинамические исследования) дают точное представление о проницаемости, но только в непосредственной близости от ствола. Сейсмические съемки, напротив, охватывают весь пласт, однако их атрибуты, включая RMS-амплитуды, лишь косвенно связаны с параметрами фильтрации. В результате скважины дают точечные данные, сейсмика – общую картину, а между ними остаются значительные неопределенности.

Новый метод устраняет этот разрыв за счет последовательного объединения всех доступных данных в единую модель. В ее основе лежит ядерная регрессия, математический механизм, который «взвешивает» вклад каждого источника в зависимости от его надежности и удаленности от скважин. Каротаж считается наиболее достоверным в непосредственной близости от ствола, результаты гидродинамических исследований – в пределах дренажного радиуса, а сейсмика играет роль глобального источника, заполняющего пробелы там, где прямых наблюдений нет.

Первая часть методики, которую авторы называют «чистым объединением», использует только данные скважин. С помощью ядра, специальной математической функции, оценивается, насколько сильно каждой точке карты можно доверять тем или иным измерениям. Возле скважины вес каротажа велик, на расстоянии десятков метров начинает доминировать влияние испытаний. Параметры ядра подбираются автоматически по схеме перекрестной проверки: каждую скважину по очереди исключают, строят карту без нее и сравнивают предсказание с реальными измерениями. На этом этапе удается получить карту с коэффициентом детерминации около R² ≈ 0,96 и существенно снизить типичные артефакты – резкие «ореолы» вокруг скважин, возникающие из-за несогласованности разных методов.

Полученная карта становится опорой для следующего шага – анализа сейсмики. Чтобы обучить нейросеть распознавать связь между трехмерными сейсмическими кубами и проницаемостью, необходимо много достоверных обучающих примеров. В обычных условиях их мало, но в предлагаемом подходе точки с высокой степенью доверия, расположенные недалеко от скважин, формируют расширенный обучающий набор. Для каждой точки используется небольшой трехмерный фрагмент сейсмических данных, и по парам «сейсмический куб – проницаемость» обучается трехмерная сверточная нейронная сеть (3D-CNN), адаптированная для работы с RMS-атрибутами. Она учится выделять характерные признаки строения пласта – вертикальные изменения отражающих свойств, пространственные связи песчаников и глин, акустические контрасты – которые в совокупности коррелируют с проницаемостью. После обучения сеть способна предсказывать параметры по всей площади месторождения, включая межскважинные зоны.

На завершающем этапе все три источника (каротаж, гидродинамические испытания и прогнозы нейросети) снова объединяются в рамках ядерной регрессии. Ядро получает третий компонент, отвечающий за вклад сейсмики. Его вес подбирается автоматически так, чтобы сейсмика улучшала детализацию там, где данных скважин мало, но не искажала картину рядом с реальными измерениями. В результате межскважинные зоны перестают быть пустыми и начинают отражать геологически осмысленную структуру пласта: появляются плавные переходы и вытянутые зоны повышенной или пониженной проницаемости, исчезают искусственные границы между участками с разной плотностью скважин. Качество заметно растет: коэффициент детерминации увеличивается до R² ≈ 0,972, а среднеквадратичная ошибка уменьшается почти вдвое по сравнению с вариантом без учета сейсмики.

Технология успешно прошла проверку на одном из месторождений в Западной Сибири. Полученные карты точно воспроизводят значения проницаемости в скважинах, которые не использовались при вычислениях, а в межскважинном пространстве демонстрируют более богатую картину, чем традиционные методы интерполяции.

Узнавайте первыми главные энергетические новости и актуальную информацию о важных событиях дня в России и мире.

Подписывайтесь на наш Telegram-канал

"ГИС-Профи. Информационное сопровождение предприятий энергетической отрасли"