ємнісних властивостей порід-колекторів (на прикладі Дашавського родовища)

Abstract

Магістерська робота на тему «Застосування методів машинного навчання для прогнозування фільтраційно-ємнісних властивостей порід- колекторів (на прикладі Дашавського родовища)» містить 61 сторінок, 14 рисунків, 4 таблиць та 10 літературних джерел. У роботі комплексно розглянуто актуальну проблему підвищення точності прогнозування фільтраційно-ємнісних властивостей (ФЄВ) порід-колекторів, що є ключовим фактором для ефективної розробки родовищ вуглеводнів в Україні. Детально проаналізовано обмеження традиційних петрофізичних моделей, які часто не враховують складну нелінійну природу геологічних процесів, та обґрунтовано доцільність переходу до сучасних інтелектуальних методів аналізу даних. На основі інтегрованого масиву даних, що включає результати геофізичних досліджень свердловин (ГДС) та лабораторних аналізів керна з Дашавського родовища, були розроблені, навчені та валідовані предиктивні моделі машинного навчання. Дослідження продемонструвало, що ансамблеві алгоритми, зокрема градієнтний бустинг, дозволяють прогнозувати коефіцієнти пористості та проникності зі значно вищою точністю порівняно зі стандартними емпіричними залежностями, ефективно виявляючи приховані закономірності. Розроблені моделі продемонстрували високу здатність до узагальнення та можуть бути ефективно застосовані для переінтерпретації даних по всьому фонду свердловин. Це дозволяє суттєво уточнити геологічну модель родовища, провести більш надійний підрахунок запасів, знизити ризики буріння та оптимізувати загальну 3 стратегію розробки, підвищуючи її економічну ефективність