Практичний зміст елементів петрофізичної моделі теригенних пісковиків-колекторів нафти і газу в методах нейронних мереж, глибинного навчання та регресії

Abstract

Важливою проблемою в пошуках нафтогазових родовищ є здатність прогнозувати ключові петрофізичні властивості, такі як пористість, проникність та ін. Поряд із традиційним регресійним аналізом все більшого поширення набувають нейромережеві методи та технології глибинного навчання. Всі вони потребують перевірки ефективності петрофізичної моделі, тобто здатності правильно та із найменшими похибками передбачати шукану величину за обраними сукупностями незалежних петрофізичних даних. Об’єктом вивчення були зразки нижньокарбонових пісковиків глибоких горизонтів (інтервал 4931—5879 м) із 14 свердловин перспективних формацій північно-західної частини Дніпровсько-Донецької западини (Бакумівська, Зорківська, Волошківська, Комишнянська, Червонозаводська, Луценківська, Пісківська та Червонолуцька площі). Незалежними пошуковими ознаками виступали дев’ять родин геолого-петрофізичних характеристик, для яких отримано ефективні апроксимації множинної регресії, а також встановлено їх інформативну вагу. Всього отримано 38 емпіричних регресійних рівнянь, які можна використати для прогнозу ключових колекторських характеристик теригенних порід-колекторів (ефективної пористості, проникності, залишкового водонасичення тощо). Коефіцієнт залишкового водонасичення та ефективна пористість традиційно ефективно прогнозуються найпростішою лінійною регресійною моделлю за допомогою петрогустиних, петроелектричних, петрошвидкісних та геохімічних ознак. Карбонатні і структурні ознаки можуть бути використані лише в кусково-лінійній регресійній моделі прогнозування коефіцієнта залишкового водонасичення. Всі зазначені регресійні рівняння зазвичай мають незначні похибки. Практичний аналіз поведінки ознак складу вказує на важливість використання оксидів Na2O, TiO2 та Fe2O3, які швидше за все передають вплив мінералізованих розчинів, хімічного складу агрегату цементу та плівок на поверхні слюдистих мінералів — сидериту, оксидів-гідроксидів заліза та рудного мінералу. Три родини ознак у прогнозній моделі коефіцієнта залишкового водонасичення: петрогустинні, вмісту карбонатів та структурні, дають близьке значення критичної точки прогнозного відклику (kз.в=0,39), яке, імовірно, є критеріальним для даних теригенних колекторів, оскільки це значення вказує на межу впливу умовно-з’вязаної води. Авторами сформовано регресійні залежності в усіх обраних моделях між усіма родинами ознак і коефіцієнтом проникності. Встановлено, що в разі застосування нелінійної регресійної моделі значно підвищується рівень її достовірності порівняно з достовірністю традиційних лінійних моделей. Наприклад, геохімічні показники-предиктори у лінійній регресійній моделі прогнозу ефективної пористості мають невисоку, на межі статистичної достовірності, величину поясненої дисперсії (75 %). Водночас SVM забезпечує надійну кореляцію геохімічних ознак і проникності на рівні 90 %; при цьому встановлено активну роль SiO2, натрію та хлору. Всі реалізації лінійних регресійних моделей параметра пористості в пластових умовах та частки надкапілярних пор у загальному обсязі пустот несуть підвищені і/або високі похибки моделювання, за винятком родини петроелектричних й геохімічних ознак. Попередні результати показали, що нейромережеві методи і методи глибинного навчання перевершують традиційний регресійний аналіз з точки зору точності прогнозування, вони можуть ефективно справлятися з невизначеністю в результатах випробувань, що робить його одним із найефективніших інструментів для петрофізичного моделювання і прогнозування.

Keywords

• петрофізика
• теригенні колектори нафти і газу
• множинна регресія
• машинне навчання
• нейронні мережі