Разработка методики прогнозирования пластовых свойств нефти при помощи машинного обучения

Фрейман, О.А.; Еремин, Н.А.

Авторы: Фрейман О.А., Еремин Н.А.
Журнал: Экспозиция Нефть Газ
Том: 100
Номер: 7
Год издания: 2023
Первая страница: 118
Последняя страница: 120
Аннотация: Freiman O.A., Eremin N.A. Development of a methodology for predicting reservoir properties of oil using machine learning methods.AbstractReservoir properties of oil are necessary to justify the effective regulation of field development. Measurement accuracy in field development depends on reservoir data (eg material balance calculations, reserves estimation, predictive data analysis). Incorrect measurement of reservoir properties can lead to serious errors in the calculation results. In the literature, the influence of reservoir data uncertainty on test results was considered, for example, in material balance equations and estimates of hydrocarbon reserves and the release of more volatile fluids. In recentdecades, various models have been developed to assess the reservoir properties of formation fluids, such as empirical, compositional and basedon neural networks. In this study, a machine learning method will be used to predict the performance indicators of an oil field and calculate reservoir fluid properties.Materials and methodsReservoir fluid properties were taken from a open database for the Volve field, North Sea, Norwegian sector. Machine learning methods formed the basis for determining reservoir properties of fluids and calculating technological development indicators.Keywordsreservoir properties, oil and gas, machine learning, artificial intelligenceFor citationFreiman O.A., Eremin N.A. Development of a methodology for predicting reservoir properties of oil using machine learning methods.Exposition Oil Gas, 2023, issue 7, P. 118–120. (In Russ). DOI: 10.24412/2076-6785-2023-7-118-120Фрейман О.А., Еремин Н.А. Разработка методики прогнозирования пластовых свойств нефти при помощи машинного обучения // Экспозиция Нефть Газ. 2023. № 7. С. 118–120. DOI: 10.24412/2076-6785-2023-7-118-120ИтогиВ данном исследовании изучены методы ма-шинного обучения с точки зрения созданиямодели прогнозирования показателей разработки месторождения. Результаты тестирования показали, что все предложенные модели являются достоверными, способствуют уменьшению временных затрат и требуемой вычислительной мощности.ВыводыМодель машинного обучения обеспечиваетвозможность прогнозирования пластовыхсвойств нефти в условиях неполной исходнойинформации. Разработанная методика можетбыть использована для начального и экономически выгодного прогнозирования добычинефти в начальный период разработки, чтопоможет сэкономить выделенные средства илучше оценить возможные риски.АннотацияПластовые свойства нефти являются одними из основных параметров для решения многочисленных проблем разработки залежей. Экспериментальное определение пластовых свойств нефти требует много времени и затрат. Разработка точной и эффективной модели прогнозирования является актуальной проблемой. Анализ данных пластовых свойств нефтинеобходим для обоснования эффективного регулирования разработки месторождения. В последние десятилетия были разработаны различные модели для оценки коллекторских свойств пластовых флюидов. Эти ранее опубликованные модели являются эмпирическими, композиционными и основанными на нейронных сетях. В данном исследовании использован метод машинного обучения для прогнозирования показателей разработки нефтяного месторождения и расчета пластовыхсвойств нефти.Материалы и методыСвойства пластовых флюидов были взяты из открытой базы данных по месторождению Вольве, Северное море, норвежский сектор. Методы машинного обучения легли в основу определения пластовых свойств флюидов и расчета технологических показателей разработки.Ключевые словапластовые свойства, нефть и газ, машинное обучение,искусственный интеллектДля цитированияФрейман О.А., Еремин Н.А. Разработка методики прогнозирования пластовых свойств нефти при помощи машинного обучения //Экспозиция Нефть Газ. 2023. № 7. С. 118–120. DOI: 10.24412/2076-6785-2023-7-118-120 ISSN 2076-6785Литература1. Брусиловский А.И., Ющенко Т.С. Научнообоснованный инженерный методопределения компонентного составаи PVT-свойств пластовых углеводородныхсмесей при неполной исходнойинформации // PROНефть. 2016. № 1.С. 68–74.2. Дунюшкин И.И., Мищенко И.Т.,Елисеева Е.И. Расчеты физико-химических свойств пластовойи промысловой нефти и воды.М.: Нефть и газ, 2004. 448 с.3. Ющенко Т.С., Брусиловский А.И. Эффективный метод построения и адаптации PVT-моделей пластовыхфлюидов газоконденсатных месторождений и газовых шапок нефтегазоконденсатных залежей //Нефтяное хозяйство. 2015. № 1. С. 56–60.4. Al-Marhoun M.A., Duffuaa S.O., Abu-Khamsin S.A. Viscosity correlations forSaudi Arabian crude oils. Middle East oilshow, March 1987, Bahrain, SPE-15720-MS.(In Eng).5. Al-Fattah S.M. Artificial-Intelligencetechnology predicts relative permeabilityof giant carbonate reservoirs. SPE OffshoreEurope Conference, 4–7 September 2007,Aberdeen, Scotland, U.K, SPE 109018.(In Eng).6. Naseri A., Yousefi S.H., Sanaei A.,Gharesheikhlou A.A. A neural networkmodel and an updated correlation forestimation of dead crude oil viscosity.Brazilian Journal of Petroleum and Gas,2012, Vol. 6, issue 1, P. 31–41. (In Eng).7. Hadavimoghaddam F., Mishchenko I.Introducing A new correlation methodto predict PVT properties of Russian andIranian crude oils. Student TechnicalConference (STC), 7–9 November 2018,Freiberg. (In Eng).8. Jain D., Bihani A.D. Crude oil viscositycorrelations: a novel approach for UpperAssam basin. Petrotech 2014, New Delhi,India. (In Eng).9. Ghorbani B., Ziabasharhagh M.,Amidpour M. A hybrid artificial neuralnetwork and genetic algorithm forpredicting viscosity of Iranian crudeoils. Journal of natural gas science andengineering, 2014, Vol. 18, P. 312–323. (In Eng).10. Ghorbani H., Wood D.A., Choubineh A.,Mohamadian N., Tatar A., Farhangian H.,Nikooey A. Performance comparisonof bubble point pressure from oil PVTdata: several neurocomputing techniquescompared. Experimental and computationalmultiphase flow, 2020, Vol. 2, issue 2,P. 225–246. (In Eng).11. Фрейман О.А. Особенности освоенияресурсов нефти и газа в отложенияхтриаса // Научный взгляд в будущее.2021. Том 1. № 23. С. 53–57.12. Фрейман О.А. Проблемы и перспективыосвоения арктической нефти //Природопользование и устойчивоеразвитие регионов России. Пенза: ПГАУ,2022. С. 87–92.13. Фрейман О.А. Особенности освоениянефти на арктическом шельфе //Передовое развитие современной науки:опыт, проблемы, прогнозы. Петрозаводск:Новая наука, 2022. С. 172–177.14. Фрейман О.А. Актуальность применениятехнологии секвестрации углекислогогаза. Природопользование и устойчивоеразвитие регионов России. Пенза: ПГАУ,2023. С. 95–97.15. Фрейман О.А. Анализ применениястатистических и компьютерных методовв нефтегазовой промышленностив условиях неполной исходнойинформации // Современныеисследования: теория и практика.Петрозаводск: Новая наука, 2022.С. 334–337.16. Фрейман О.А. Математическоемоделирование и машинное обучениев нефтегазовой промышленности //Формирование профессиональнойнаправленности личности специалистов —путь к инновационному развитию России.Пенза: ПГАУ, 2022. С. 226–229.
Добавил в систему: Еремин Николай Александрович

	ИСТИНА	Войти в систему Регистрация
	ИСТИНА ПсковГУ
	Главная Поиск Статистика О проекте Помощь

ИСТИНА

ИСТИНА ПсковГУ

Разработка методики прогнозирования пластовых свойств нефти при помощи машинного обучениястатья

Прикрепленные файлы