ПРОГНОЗУВАННЯ ПРОНИКНОСТІ ФОРМАЦІЇ НА ОСНОВІ ЗГОРНУТОЇ НЕЙРОННОЇ МЕРЕЖІ

Анотація

У даному дослідженні розглянуто проблему непрямого прогнозування проникності пластів на основі традиційних геофізичних каротажних даних, що є важливим для гідродинамічного моделювання, оцінювання запасів та підтримки прийняття рішень при розробці родовищ в умовах обмеженої доступності лабораторних вимірювань і каротажу ядерного магнітного резонансу. Метою дослідження є визначення ефективності використання модифікованої багатовхідної згорткової нейронної мережі для прогнозування проникності пластів на основі традиційних каротажних даних, характеристика впливу структурних модифікацій на точність і стійкість моделі, а також визначення впливу окремих вхідних параметрів на результати прогнозування за допомогою інструментів інтерпретації, зокрема адитивної декомпозиції впливу ознак. Об’єктом дослідження є взаємозв’язок між проникністю колектора та набором каротажних параметрів, представлених у змішаній формі числових кривих і двовимірних зображень. На основі аналізу сучасних зарубіжних і вітчизняних праць запропоновано підхід глибокого навчання, у межах якого розроблено модифіковану багатовхідну згорткову нейронну мережу з резидуальними блоками, що дозволяє одночасно обробляти одновимірні числові ряди геофізичного каротажу та штучно згенеровані двовимірні зображення характеристик. На основі запропонованої архітектури вектори каротажних даних були перетворені у матриці ознак. Також було створено дві гілки обробки даних для числових та графічних представлень із подальшою їх конкатенацією в єдиний простір ознак. На цій основі реалізовано регресійну модель для оцінювання проникності на базі розрахунків із використанням каротажу ядерного магнітного резонансу. Особливу увагу приділено оптимізації структури мережі шляхом інтеграції резидуальних з’єднань і глибших вузьких блоків. Гіперпараметри моделі налаштовувалися за допомогою генетичної оптимізації, вибірку було поділено на тренувальну, валідаційну та тестову підвибірки, а якість прогнозу кількісно оцінювалася за коефіцієнтом кореляції, середньоквадратичною помилкою, абсолютною помилкою та відсотковою похибкою. Для підвищення інтерпретованості результатів у дослідженні застосовано підхід адитивної декомпозиції внеску ознак, що дозволило кількісно оцінити вплив окремих каротажних параметрів та їх рядів на отримані значення проникності. Це дало можливість визначити найбільш інформативні криві та перевірити узгодженість поведінки моделі з фізичними уявленнями про фільтраційні властивості колекторів. Реалізована багатовхідна резидуальна згорткова нейронна мережа є перспективним інструментом для точного та економічно ефективного прогнозування проникності пластів на основі традиційних каротажних даних.