Динамическая модель схожести скважин на основе каротажных данных

Литологические и физические свойства горных пород могут изменяться в поперечном направлении по всему бассейну в пределах одной формации из-за изменений условий осадконакопления. Это влияет на каротажные сигналы и усложняет межскважинную корреляцию. Выявление сходства между скважинами в нефтегазовой промышленности является необходимой частью многих процессов. Это помогает понять характеристики скважины, спланировать стратегию разработки месторождения, обнаружить аномалии в процессе бурения, генерировать синтетические данные, близкие к реальным. Решение задачи поиска схожих скважин обычно требует большого объема ручной работы высококвалифицированных специалистов. Более того, результаты работы эксперта не всегда воспроизводимы и повторяемы. Естественным способом преодоления этих проблем является использование методов, движимых данными. Современный подход к количественной оценке сходства скважин основан на глубоких нейронных сетях (DNN) В данной работе исследуется простая динамическая модель, показывается, что для некоторых задач возможно добиться сравнимого результата с лучшими существующими нейронными сетями (0.37 против 0.34 по метрике ARI). При этом такая модель является более интерпретируемой и вычисляется значительно быстрее. Динамическая модель позволяет вычисляет схожесть пар скважин по предложенной выше формуле и ранжировать скважины по этой метрике.