ПРОГНОЗУВАННЯ ПРОНИКНОСТІ ФОРМАЦІЇ НА ОСНОВІ ЗГОРНУТОЇ НЕЙРОННОЇ МЕРЕЖІ

Анотація

У цьому дослідженні розглядається проблема непрямого прогнозування проникності пласта на основі традиційних даних геофізичного каротажу, що є важливим для гідродинамічного моделювання, оцінки запасів та підтримки рішень при розробці родовищ в умовах обмеженої доступності лабораторних вимірювань та ядерного магнітного резонансного каротажу. Метою дослідження є визначення ефективності використання модифікованої багатовхідної згорткової нейронної мережі для прогнозування проникності пласта на основі традиційних даних каротажу, характеристика впливу структурних модифікацій на точність та робустність моделі, а також визначення впливу окремих вхідних параметрів на результати прогнозування за допомогою інструментів інтерпретації, таких як адитивне розкладання ефектів ознак. Об'єктом дослідження

є зв'язок між проникністю пласта та набором параметрів каротажу, представлених у змішаній формі числових кривих та двовимірних зображень. На основі аналізу сучасних зарубіжних та вітчизняних робіт запропоновано підхід глибокого навчання, в рамках якого розроблено модифіковану багатовхідну згорткову нейронну мережу із залишковими блоками, що дозволяє одночасно обробляти одновимірні числові серії каротажу та штучно згенеровані двовимірні зображення характеристик. На основі запропонованої архітектури каротажні вектори були перетворені на матриці ознак. Також було створено дві гілки обробки даних для числового та графічного представлень, а також реалізовано їх подальше об'єднання в єдиний простір ознак. На цій основі було реалізовано регресійну модель для оцінки проникності на основі розрахунків з використанням даних ядерного магнітного резонансу каротажу. Особливу увагу було приділено оптимізації структури мережі шляхом інтеграції залишкових зв'язків та глибших вузьких блоків. Гіперпараметри моделі були налаштовані за допомогою генетичної оптимізації, вибірка була розділена на навчальні, валідаційні та тестові підмножини, а якість прогнозу була кількісно оцінена за допомогою коефіцієнта кореляції, середньоквадратичної помилки, абсолютної помилки та відсоткової помилки. Для покращення інтерпретованості результатів у дослідженні було використано адитивний підхід декомпозиції для внесків ознак, що дозволило кількісно оцінити вплив окремих параметрів каротажу та їх серій на отримані значення проникності. Стало можливим виявити найбільш інформативні криві та перевірити узгодженість поведінки моделі з фізичними концепціями фільтраційних властивостей пласта. Реалізована багатовхідна залишкова згорткова нейронна мережа є перспективним інструментом для точного та економічно ефективного прогнозування проникності пласта на основі традиційних даних каротажу свердловин.