Введение 4
1. Постановка задачи 6
2. Обзор 7
2.1. Процесс бурения нефтяных скважин 7
2.2. Набор данных станции ГТИ 8
2.3. Виды операций бурения 8
2.4. Обзор алгоритмов 9
2.5. Вывод 13
3. Задача классификации буровых операций 14
3.1. Описание исходных данных 14
3.2. Предобработка исходных данных 17
3.3. Метрики качества 18
3.4. Методология 20
3.5. Предлагаемое решение 26
4. Эксперименты 27
4.1. Классификация групп: спуск, подъем, бурение и промывка 27
4.2. Использование времени в качестве дополнительного признака 27
4.3. Дискуссия и выводы 28
5. Прототип веб-сервиса 30
5.1. Требования к прототипу 30
5.2. Выбор технологий 30
5.3. Архитектура и особенности реализации 31
6. Результаты 34
Список литературы 35

Купить

Одной из основных задач нефтегазовых компаний на сегодняшний день является цифровая трансформация отрасли в целом и функции бурения в частности. Ввиду большого количества поступающей информации с месторождений и постоянного роста числа регистрируемых параметров, оказались востребованными системы, интерпретирующие комплекс параметров и выдающие специалисту промежуточный результат в виде рекомендаций. Это облегчает анализ текущей ситуации и повышает оперативность принятия решений.
Одной из задач, решаемых такими системами, является определение операций в процессе бурения скважины. Такие операции естественным образом возникают при проведении любого вида буровых работ. Они характеризуют различные виды спусков, подъемов, вращения инструментов и многое другое, что впоследствии является основой для составления оптимизационных планов при строительстве скважин. Определяются операции на основе геолого-технической информации, поступающей с буровых площадок, однако часто оказывается, что они обладают специфической структурой, которую сложно в точности воспроизвести алгоритмически. Несмотря на это, учитывая особенности входных данных при разработке алгоритмов, можно значительно повысить их точность и эффективность.
Геолого-технические параметры для контроля строительства скважины поступают в центр управления бурением, где обрабатываются и отображаются в режиме реального времени на экранах, установленных в офисе сотрудника компании. Количество наблюдаемых параметров может варьироваться в зависимости от конкретной операции бурения, а также от типа исследования. Например, геофизические исследования направлены на изучение геологического разреза скважин. Благодаря им можно получить информацию о свойствах окружающих пород. Другой тип исследования заключается в анализе состояния бурового долота: вес на крюке, скорость проходки и прочее. Чем больше имеется информации о текущем состоянии бурения, тем больше закономерностей можно найти при определении той или иной буровой операции.
Существенной проблемой при работе с реальными данными является возможное присутствие различного рода шумов, что делает точные методы не применимыми. Распространенный способ обработки таких данных — использование методов машинного обучения, в особенности нейронных сетей. Кроме того, нейронные сети предоставляют возможность эффективно находить сложные и не поддающиеся формализации структурные закономерности входных данных.
В данной работе рассматриваются различные подходы классификации операций бурения по данным геолого-технической информации. Предложенные алгоритмы реализованы в виде отдельного программного модуля для удобного пользования в промышленных компаниях. Он позволяет облегчить мониторинг бурения скважин, а также снижает количество ошибок классификации за счет использования дополни-тельных параметров.
1. Постановка задачи
Целью данной работы является разработка автоматизированной системы классификации операций бурения на основе геолого-технических данных с использованием методов машинного обучения. Для достижения цели были поставлены следующие задачи:
1. Сделать обзор предметной области.
2. Реализовать выбранные алгоритмы машинного обучения и сравнить их по метрикам качества.
3. Провести эксперименты и проанализировать результаты.
4. Разработать прототип веб-сервиса.

Купить