Новый алгоритм машинного обучения позволяет точно определять содержание воды в нефтепластах

Ученые из Пермского национального политехнического университета (ПНИПУ) и Иранского университета Персидского залива разработали инновационный метод машинного обучения для точной оценки содержания воды в нефтепластах. Об этом сообщили в пресс-службе ПНИПУ.

Нефтяные пласты часто содержат значительное количество воды – до 70%, что напрямую влияет на оценку запасов и выбор стратегии добычи. Традиционные лабораторные методы анализа керна являются дорогими и не всегда обеспечивают достаточную точность, особенно для сложных и неоднородных пластов.

Команда ученых обучила и протестировала пять алгоритмов машинного обучения на основе более чем 30 тысяч измерений, полученных в юго-западном регионе Ирана. В выборку вошли девять ключевых параметров скважины: глубина, пористость, сопротивление породы, гамма-излучение, диаметр, скорость продольных волн, плотность и температура.

Наилучшие результаты продемонстрировал метод опорных векторов, достигнув коэффициента предсказания 0,995 – что соответствует точности 99,5%. Ошибка не превышает 0,2%.

Этот алгоритм позволяет непрерывно получать данные о водонасыщенности, используя параметры, которые уже регулярно контролируются геологами. Внедрение технологии может значительно повысить точность оценки запасов, сократить затраты на лабораторные исследования и оптимизировать процесс добычи.

Ученые подчеркивают, что текущий алгоритм был разработан и проверен на песчаных коллекторах. Для применения в карбонатных породах или трещиноватых системах потребуется дополнительная адаптация и переобучение.