ВИКОРИСТАННЯ МЕТОДУ ОПОРНИХ ВЕКТОРІВ НА ПРИКЛАДІ ПРОГНОЗУВАННЯ ВЛАСТИВОСТЕЙ ПОКЛАДІВ ВУГЛЕВОДНІВ
DOI:
https://doi.org/10.34185/1991-7848.itmm.2024.01.040Ключові слова:
нафта, газ, машинне навчання, машина опорних векторів, властивості пласта, управління пластом.Анотація
Проникність є ключовим параметром для характеристики будь-якого вуглеводневого покладу, що робить її незамінною для точного вирішення численних завдань нафтогазової інженерії. Традиційні методи визначення проникності, такі як аналіз керна та випробування свердловин, є досить дорогими і трудомісткими. Тому зусилля були спрямовані на використання штучних нейронних мереж для встановлення кореляції між даними каротажу свердловин і проникністю керна. Нещодавні досягнення в методах штучного інтелекту представили надійну методологію машинного навчання, відому як машина опорних векторів (SVM). Метою цього дослідження є застосування SVM для прогнозування проникності трьох газових свердловин на родовищі Південний Парс. Результати, отримані за допомогою SVM, продемонстрували коефіцієнт кореляції 0,97 між керном і прогнозованою проникністю для тестового набору даних.
Посилання
Nello Cristianini, John Shawe-Taylor. An Introduction to Support Vector Machines and Other Kernel-based Learning Methods. — Cambridge University
Press, 2000. — ISBN 978-1-139-64363-4.
L. Wang, Support Vector Machines: Theory and Applications, Springer,
Berlin, Germany, 2005.
V. N. Vapnik, The Nature of Statistical Learning Theory, Springer, New York, NY,
USA, 2nd edition, 2000.
R. Gholami, A. R. Shahraki, M. Jamali Paghaleh, "Prediction of Hydrocarbon Reservoirs Permeability Using Support Vector Machine", Mathematical Problems in Engineering,
vol. 2012, Article ID 670723, 18 pages, 2012. https://doi.org/10.1155/2012/670723
A. Bhatt, Reservoir properties from well logs using neural networks, Ph.D. thesis, Department of Petroleum Engineering and Applied Geophysics, Norwegian University of Science and Technology, A dissertation for the partial fulfillment of requirements, 2002.
S. Mohaghegh, S. Ameri, and K. Aminian, “A methodological approach for reservoir heterogeneity characterization using artificial neural networks,” Journal of Petroleum Science and Engineering, vol. 16, pp. 263–274, 1996.
