Comments 12
Входные параметры просто шедевр, прям начиная с «cum oil».
П.с.: да-да, я учусь в девятом классе, ем свои козявки и смеюсь над глупыми названиями и фамилиями. Но просто не надо было придумывать глупые названия и фамилии.
П.с.: да-да, я учусь в девятом классе, ем свои козявки и смеюсь над глупыми названиями и фамилиями. Но просто не надо было придумывать глупые названия и фамилии.
Вопрос вот тут «Сравним предсказанную обводнённость с фактической на тренировочной выборке»
В первой строчке таблицы (да и вторая тоже) в well-1 предсказание 32.5, а реальность 15.3.
Что-то мне подсказывает, что ошибка алгоритма не 17, а более чем в два раза. Насколько такая ошибка ( в два раза ) приемлема для оценки строительства скважин?
И еще вопрос «Геологическая модель строится на основе скважинных данных (обычно с использованием сейсмики). В начале строится трехмерная сетка (каркас) продуктивных пластов.»
Насколько я помню вначале делают сейсмику, рассчитывают гипотетические параметры пластов, и после ставят разведочные скважины для подтверждения гипотез. Если скважины уже есть и из них что-то добывают/добыли то зачем еще модели/гипотезы?
Технологическую схему и геологическую модель утверждают в ГКЗ до начала добычи и прогнозируют параметры добычи скважин исключительно по аналогичным на похожих пластах.
В первой строчке таблицы (да и вторая тоже) в well-1 предсказание 32.5, а реальность 15.3.
Что-то мне подсказывает, что ошибка алгоритма не 17, а более чем в два раза. Насколько такая ошибка ( в два раза ) приемлема для оценки строительства скважин?
И еще вопрос «Геологическая модель строится на основе скважинных данных (обычно с использованием сейсмики). В начале строится трехмерная сетка (каркас) продуктивных пластов.»
Насколько я помню вначале делают сейсмику, рассчитывают гипотетические параметры пластов, и после ставят разведочные скважины для подтверждения гипотез. Если скважины уже есть и из них что-то добывают/добыли то зачем еще модели/гипотезы?
Технологическую схему и геологическую модель утверждают в ГКЗ до начала добычи и прогнозируют параметры добычи скважин исключительно по аналогичным на похожих пластах.
Да, всё верно, ошибка кажется большой. Но учитывая крайне ограниченный объём входных данных, на мой субъективный взгляд кажется вполне приемлемой.
При отборе проб обводнённости определить «истинную» обводнённость — та ещё задача. Нередко случаются ситуации, что подряд отбираются пробы с одной скважины и они существенно отличаются, например: 5%, 50% и 90% обводнённости.
В данной статье была попытка исследовать, а можно ли в принципе использовать МЛ алгоритмы для нефтегазовой сферы. Т.е. попробовать построить по-быстрому простую модель и оценить, а применим ли МЛ к нефтегазовой сфере в данном разрезе?
Сейсмика есть не всегда. Также бывает очень старая сейсмика, с низким разрешением.
Сейчас практически все действующие месторождения (кроме самых мелких) разрабатываются с помощью ПГДМ (постоянно-действующая гидродинамическая модель месторождения), которая постоянно обновляется. Но построить «хорошую» и физически обоснованную модель не всегда представляется возможным. Бывает, что модели существуют для галочки, а решения принимаются на основе других методов.
При отборе проб обводнённости определить «истинную» обводнённость — та ещё задача. Нередко случаются ситуации, что подряд отбираются пробы с одной скважины и они существенно отличаются, например: 5%, 50% и 90% обводнённости.
В данной статье была попытка исследовать, а можно ли в принципе использовать МЛ алгоритмы для нефтегазовой сферы. Т.е. попробовать построить по-быстрому простую модель и оценить, а применим ли МЛ к нефтегазовой сфере в данном разрезе?
Сейсмика есть не всегда. Также бывает очень старая сейсмика, с низким разрешением.
Сейчас практически все действующие месторождения (кроме самых мелких) разрабатываются с помощью ПГДМ (постоянно-действующая гидродинамическая модель месторождения), которая постоянно обновляется. Но построить «хорошую» и физически обоснованную модель не всегда представляется возможным. Бывает, что модели существуют для галочки, а решения принимаются на основе других методов.
Добрый день! Поздравляю с началом погружения в необъятную и полную противоречий и подводных камней область моделирования нефтедобычи статистическими методами дата-сайнс. К статье и к применённому методу возникло очень много вопросов и комментариев, я озвучу только некоторые из них и буду рад, если вы прокомментируете.
0) В каком ПО была сделана главная картинка к статье?
1) Количество признаков у вас включает определённое количество скважин. Если есть скважин больше или меньше, модель придётся переобучать?
2) Если поменять местами столбцы со скважинами, нужно ли переобучать модель?
3) Среди признаков у вас отсутствуют геологические признаки как класс. Как вы считаете, это нормально?
4) Учитывая количество данных, на которых обучалась и тестировалась модель, вместо «модель слабо чувствительна к местоположению» правильнее будет говорить, что «модель очень сильно чувствительна к тем нескольким входным данным, которые использовались для её обучения».
0) В каком ПО была сделана главная картинка к статье?
1) Количество признаков у вас включает определённое количество скважин. Если есть скважин больше или меньше, модель придётся переобучать?
2) Если поменять местами столбцы со скважинами, нужно ли переобучать модель?
3) Среди признаков у вас отсутствуют геологические признаки как класс. Как вы считаете, это нормально?
4) Учитывая количество данных, на которых обучалась и тестировалась модель, вместо «модель слабо чувствительна к местоположению» правильнее будет говорить, что «модель очень сильно чувствительна к тем нескольким входным данным, которые использовались для её обучения».
Если речь о КДПВ то судя по характерной стрелке севера это petrel
Спасибо)
1. Petrel
2. Да, но модель обучается быстро, практически мгновенно. Данные собираеются дольше.
3. Не пробовал, не должно.
4. Цель была построить простую модель, для оценки перспектив. Конечно, по хорошему в модель надо закладывать все данные, от которых зависит работы скважины, и геологические в том числе.
5. Согласен.
1. Petrel
2. Да, но модель обучается быстро, практически мгновенно. Данные собираеются дольше.
3. Не пробовал, не должно.
4. Цель была построить простую модель, для оценки перспектив. Конечно, по хорошему в модель надо закладывать все данные, от которых зависит работы скважины, и геологические в том числе.
5. Согласен.
Какова ценность такого прогноза? Для каких мероприятий он будет полезен? Интересен прогноз динамики обводненности, а не одной точки (на следующую дату, как я понял из статьи). Сравните ваш прогноз со следующим способом прогнозирования: WCT_predict = WCT_last? Какова метрика такого прогнозирования в сравнении с полученным результатом? Это можно было бы принять за baseline. Ну или если вы приводите в статье гидродинамическую модель, то какие метрики прогнозирования у нее?
Не встречал в открытых источниках применение МЛ для прогнозирования работы скважин. С помощью МЛ делают автоматическую интерпретацию каротажа и прослеживание сейсмических горизонтов. Но что касается прогнозов по добыче и обводнённости — не попадалось. Ценность в том, чтобы попробовать реализовать МЛ в этой области и посмотреть — получиться / не получиться.
Навскидку полезными мероприятиями могут быть — уплотняющее бурение, зарезка боковых стволов. Оценка таких мероприятий по ГДМ модели очень сильно зависит от того, какую геологическую реализацию модели заложил геолог и как садаптировал модель гидродинамик, а именно правил ли он геологию (проницаемость, пористость и т.д.). В МЛ алгоритмах мы можем использовать только те данные, которые не были изменены в процессе обучения модели, а являются напрямую измеренными величинами.
Метрики у ГДМ — это сравнение прогноза с фактом по дебитам (нефти, воды, газа), забойным, пластовым давлениям, начальным/извлекаемым запасам. Каждая компания сама устанавливает регламентами границы отклонений.
Навскидку полезными мероприятиями могут быть — уплотняющее бурение, зарезка боковых стволов. Оценка таких мероприятий по ГДМ модели очень сильно зависит от того, какую геологическую реализацию модели заложил геолог и как садаптировал модель гидродинамик, а именно правил ли он геологию (проницаемость, пористость и т.д.). В МЛ алгоритмах мы можем использовать только те данные, которые не были изменены в процессе обучения модели, а являются напрямую измеренными величинами.
Метрики у ГДМ — это сравнение прогноза с фактом по дебитам (нефти, воды, газа), забойным, пластовым давлениям, начальным/извлекаемым запасам. Каждая компания сама устанавливает регламентами границы отклонений.
В свое время делал прогноз времени прорыва воды (water breakthrough) по месторождению с помощью машинных методов (нейронные сети в основном, использовал keras). Закладывал расстояния от нагнеталок до добывающих, расстояние до разломов, высоту перфорации выше ВНК и прочее. Выходило достаточно интересно.
Сейчас благодатное время для таких работ, т.к. есть предчувствие, что имортозамещение добралось до специализированного ПО для нефтегаза. Предположу, что одна из крупнейших IT компаний РФ, скорее всего по заказу/при поддержке(финансировании) МинЦифры вступила в игру, чтобы составить конкуренцию (естественно на внутреннем рынке и в добровольно-принудительнм порядке для отечественных нефтегазовых компаний) таким мастодонтам как Shlumberger и Roxar. А как же Petrel, спросите вы? А Petrel нужно рассматривать как «заруберное» т.к. 90% их клиентов заграничные и в случаее введения соотвествующих санкций, скорее всего пожертвуют 10% ради большего куска пирога.
Естественно, что все вышеописанное не более чем мое субьективное мнение.
Естественно, что все вышеописанное не более чем мое субьективное мнение.
Тема конечно интересная, но вы сами четко указали почему в ближайшее время не будет массового применения метод ML (деревья решений, нейросети) для решения задачи, которую вы пытаетесь решить — огромная неопределенность в данных, даже замеры дебитов жидкости могут ошибаться в несколько раз, не говоря уже об обводненности, где пробы с одной скважины могут кардинально отличаться. Поэтому применение нейросетей в чистом виде для той задачи, которую вы пытаетесь решать пока не применимо. Необходимы гибридные подходы, в которых будут использованы и физические модели (ГДМ, мат баланс, CRM, INSIM и т.д.), например в качестве дополнительного регуляризатора. Это не значит, что сейчас ML вообще не применимы в нефтянке. Та же геология, прогноз работы газлифта и вообще моделей скважины, прогнозы ГТМ т.е. в тех областях, где у нас потенциально может быть большой объем достоверных данных. Пишу с телефона, поэтому извиняюсь за сумбурное изложение.
Sign up to leave a comment.
Прогнозирование обводнённости скважин с помощью методов машинного обучения