Исследователи Тюмени разработали методику, предполагающую совместное использование элементов машинного обучения и физически содержательной фильтрационной модели. Метод позволяет учитывать не только геологические данные, но и знания о режимах работы скважин.

«Применение радиальных базисных функций в качестве метода интерполяции позволяет значительно улучшить качество настройки модели и использовать более обширный набор доступной исходной информации, — сообщил сотрудник Тюменского филиала Института теоретической и прикладной механики имени С. Христиановича CО РАН, доцент кафедры расходометрии нефти и газа ТюмГУ Виталий Косяков. — Мы увидели, что использование простой гидродинамической модели позволяет восстановить профиль гидропроводности, соответствующий не только замерам геологических параметров, но и обеспечивающий выполнение экспертных и физических ограничений для пластового давления».

Как пояснили физики, гидродинамическая модель может выступать как регуляризатор при вычислении значений, при этом нужно использовать различные режимы работы скважин. Важно, что выбор итогового варианта модели необходимо осуществлять при использовании обучающего и экзаменационного набора данных (подобный подход позволяет оценить качество получаемого решения). При совместном использовании методов машинного обучения и фильтрационной модели тюменцам удалось получить качественный вид профиля гидропроводности при хорошем количественном совпадении расчетных и фактических параметров.

Исследование выполнено при поддержке РФФИ и Тюменской области.

«Инструменты машинного и глубокого обучения получили в последнее время широкое распространение в различных областях науки и техники. Интерес к машинному обучению в нефтяной отрасли объясняется нарастающей цифровизацией нефтегазовой отрасли и накоплением больших объемов данных об объекте исследования. Разработанная нами модель машинного обучения использована для восстановления поля гидропроводности и выступает в качестве параметризации модели фильтрации», — рассказали исследователи.