Управление заводнением с использованием методов машинного обучения
М.Н. Харисов (1) (1 - ООО «РН-БашНИПИнефть»)
Заводнение является одним из основных методов повышения эффективности разработки нефтяных месторождений. Рационализация системы поддержания пластового давления включает проведение геолого-технических мероприятий (ГТМ) по изменению приемистости нагнетательных скважин для увеличения добычи флюида на реагирующем добывающем фонде. Применение методов машинного обучения для поиска скважин на проведение ГТМ способно существенно снизить затрачиваемое на данный процесс время, обеспечивая высокое качество подобранных кандидатов. Настоящая работа посвящена формированию модели машинного обучения (ММО) для прогнозирования динамики дебита жидкости на добывающих скважинах при изменении приемистости на влияющих нагнетательных скважинах. На практике, эффект от заводнения может проявляться не сразу, поэтому в качестве ММО использована рекуррентная нейронная сеть с долговременной краткосрочной памятью (LSTM), способная к обучению зависимостям, проявляющимся через длительные промежутки времени. Авторами рассмотрены примеры ретроспективного прогноза с использованием представленной ММО, описаны ограничения по ее применению и предложены дальнейшие направления исследования с целью повышения качества получаемых результатов.