Ученые Пермского Политеха совместно с китайскими коллегами разработали гибридную модель на основе искусственного интеллекта, которая предсказывает горизонтальное давление в горных породах с точностью 99,5%, используя стандартные данные геофизических исследований скважин. Об этом порталу Наука Mail сообщила пресс-служба ПНИПУ.
При бурении скважин на нефть и газ критически важно правильно рассчитать давление: буровой раствор должен точно противодействовать напряжению в породе. Ошибка грозит обрушением стенок скважины, поломкой оборудования, остановкой работ и даже экологической катастрофой.
Сейчас горизонтальное напряжение измеряют двумя способами. Первый — лабораторные исследования образцов породы (керна), но они есть не по всей глубине скважины, а при извлечении естественное напряжение исчезает. Второй — геофизические исследования: приборы в скважине собирают много данных (скорость звука, плотность, пористость и т. д.), но для расчета напряжений нужны сложные формулы, которые часто не учитывают тектонические силы.
Также применяют и нейросети — они находят закономерности в больших массивах данных, но имеют недостатки: точность прогноза колеблется в пределах 65−85%, они склонны к «переобучению» (хорошо работают на знакомых скважинах, но ошибаются на новых) и действуют медленно (расчет занимает десятки секунд).
Разработка представляет собой гибридный алгоритм, который объединяет два подхода. Первый — это нейросеть с самонастраиваемой структурой. Второй — специальный математический метод, который помогает ей быстро находить наиболее точное решение. Модель анализирует сразу девять параметров, которые непрерывно измеряют в скважине: скорость звука, плотность породы, ее электрическое сопротивление, естественную радиоактивность, пористость и другие показатели. На их основе алгоритм вычисляет минимальное и максимальное горизонтальное напряжение.
Нейросеть обучали на более чем 10 тысячах замеров из трех скважин Джунгарского бассейна (Китай) — геологически сложного месторождения, где традиционные методы часто дают сбой.
В отличие от обычных нейросетей, новая модель сама определяет, какие параметры реально влияют на давление, а какие лишь создают «шум». Поэтому она уверенно работает даже на незнакомых скважинах.
При тестировании на скважинах, которые не участвовали в обучении, точность модели составила 99,5%. Это значит, что ошибка прогноза составляет менее одного процента. При этом время расчета сократилось на 87% по сравнению с существующими аналогами.
Применение алгоритма до начала бурения позволяет точно рассчитать вес бурового раствора, чтобы избежать обрушения стенок и аварийного выброса нефти или газа. Кроме того, знание горизонтальных напряжений важно при гидравлическом разрыве пласта: инженеры могут направить трещины туда, где сосредоточены запасы, — это повышает эффективность добычи и снижает риски. Таким образом, разработка поможет снизить аварийность при бурении, сократить затраты и обеспечить безопасность разработки сложных месторождений.
Ранее Наука Mail рассказывала о том, что названа причина богатства Персидского залива нефтью и газом.
