USING NEURAL NETWORKS TO ESTIMATE THE POROSITY AND PERMEABILITY OF ROCKS

Abstract

З появою штучного інтелекту (ШІ) та його застосуванням у різних галузях промисловості тепер стало можливим автоматизувати та оптимізувати багато процесів, у тому числі й у геофізиці. Використання штучного інтелекту в геофізичних дослідженнях свердловин може революціонізувати спосіб збору, обробки та інтерпретації даних. Очікується, що він стане ключовим інструментом у нафтовій і газовій промисловості для вдосконалення моделювання та аналізу даних, пропонуючи значні переваги для точності та ефективності процесів. У цій статті демонструється спроба оцінки пористості та проникності гірських порід за результатами геофізичних досліджень з використанням нейронної мережі як основного інструменту. Пористість і проникність є одними з ключових характеристик пласта-колектора і важливими параметрами для проектних розрахунків і розробки продуктивних горизонтів нафтових і газових родовищ. Основна складність їх визначення полягає в тому, що вони є функцією багатьох параметрів. Поява нових інформаційних технологій відкриває можливості для пошуку складних взаємозв'язків між різнорідними геологічними та геофізичними параметрами. Розробка моделі штучної нейронної мережі для прогнозування коефіцієнтів пористості та проникності гірських порід базується на поглибленому аналізі геофізичних даних. Такий підхід дозволяє виявити приховані зв’язки між параметрами, які залишаються непоміченими при застосуванні традиційних аналітичних методів. У результаті дослідження досягнута висока точність прогнозування значень пористості та проникності, що підтверджується їх збігом з результатами лабораторних дослідів. Це демонструє ефективність використання машинного навчання для автоматизованого аналізу геофізичних даних. Запропонований підхід має значні переваги, серед яких швидкість і точність аналізу, що особливо важливо в ситуаціях, коли лабораторні дослідження неможливі або обмежені. Використання нейронних мереж сприяє глибшому розумінню впливу різних факторів на пористість і проникність порід, що важливо для прийняття рішень у процесі розробки пластів. Новизна даної роботи полягає у створенні комплексного підходу, який поєднує класичні геофізичні методи з інноваційними алгоритмами машинного навчання. Така комбінація забезпечує швидке та ефективне визначення пористості та проникності порід, відкриваючи нові можливості для оптимізації процесів розвідки та розробки родовищ.