Прогноз обводненности на проектируемых к бурению скважинах методами машинного обучения

Abstract

За время эксплуатации нефтяных месторождений генерируется большое количество данных. Эти данные могут быть как интерпретированными специалистом, так и «сырыми», которые получены непосредственно с приборов, как структурированными, так и не структурированными, либо локально структурированными (то есть позволяют локально проводить анализ, но в данном виде не позволяют анализировать в совокупности с другими видами данных). Для получения из такого набора более информативных данных, которые позволяют принимать решения в процессе эксплуатации месторождения, требуется привлечение специалистов разных областей нефтяной отрасли. Поэтому возникает возможность и необходимость применения недетерминированных методов анализа полученных данных. В статье рассмотрено применение методов машинного обучения в задаче определения начальной обводненности по данным геофизических исследований скважин. During operation of oil fields a large number of data is generated. These data can be as interpreted by the expert or received directly from devices, both structured, and not structured, or locally structured. Receiving from such data set of more informative data which allow to make decisions in use of the field requires involvement of experts of different areas of the oil industry. Therefore there is an opportunity and need of application of nondeterministic methods of the analysis of the obtained data. For example, such task is determination of initial water content for the designed well. In article application of methods of machine learning in a problem of determination of initial water content according to geophysical surveys of wells is considered.