Тема: Оптимизация процесса подбора скважин-кандидатов на геолого-технические мероприятия (на примере Крапивинского месторождения)

Объектом исследования выпускной квалификационной работы является
процесс подбора скважин-кандидатов на ГТМ.
Цель работы – создание экспертной системы, основанной на анализе
групп данных, многокритериальном отборе и методах неточной логики,
способной отбирать скважины-кандидаты на ГТМ.
В процессе исследования и создание экспертной системы
проводилось программирование на Python 3.6.2 © Software.
Степень внедрения: результаты анализа работы системы подтвердили её
компетентность в вопросах выбора скважин-кандидатов на ГТМ. Система
самостоятельно обучается на вводимых данных и показывает высокую степень
сходства с аналитическим решением.
Область применения: может быть применена при последующих
мероприятиях ГТМ на месторождениях компании ОАО «Томскнефть».
Полученные результаты и новизна: в результате исследования было
доказано, что скважины, выбранные экспертной системой действительно
являются скважинами-кандидатами на ГТМ, основываясь на текущих
параметрах разработки и коллекторских свойствах. По некоторым скважинам с
проведенным ГРП были рекомендованы повторные ГРП. Система разбивает
данные на кластеры и работает с ними автономно, основываясь на обучающей
выборке.
В будущем планируется дальнейшее исследование по выбранной теме с
учетом результатов, полученных при апробации предложенных мероприятий
на конкретном предприятии.
Купить

Актуальность данной работы заключается в том, что машинное обучение и
нейросетевое программирование являются очень актуальными вопросами в
последние 10 лет. И эти процессы находят применение не только в
нефтегазовой отрасли.
Существует огромное количество методов и алгоритмов работы с
разнообразными данными. Как было представлено в этой работе, в
нефтегазовой отрасли применяют весовое распределение комплексного
геологического параметра, метод k-means. Ведется большое количество работ и
исследований в данном направлении. Конечной целью всех этих усилий
является создание оптимальных систем, алгоритмов или процессов, умеющих
обрабатывать огромное количество данных, анализировать их и выводить
закономерности или же, как было сделано в данной работе, кластеризовать их.
Кластеризация данных была выбрана как процесс, способствующий
отсеиванию части данных и работы лишь с определенными кластерами. Ввиду
того, что на некоторых месторождениях фонд скважин достигает отметки в
2000-3000 тысячи скважин, обработка данных по этим скважинам не
представляется возможной, учитывая все техногенные причины остановок
скважин и прочие факторы, влияющие на достоверность данных.
Поэтому в данной работе была создана система, способная обучаться на
входных параметрах, с добавлением лишь небольшой части данных.
Полученная система применяет метод k-NN (Nearest Neighbour), который
отлично проявил себя при кластеризации данных. Элементы получившихся
кластеров имеют схожие значения параметров, на основе которых было
проведено из разделение. В свою очередь в каждом кластере была выделена
обучающая выборка именно для этого кластера, что говорит о том, что машина
самостоятельно принимает решение об обучающей выборке, анализирую
загруженные данные.98
Участие человека в данном процессе – загрузка исходных данных и
введение нескольких дополнительных параметров. Всю остальную работу
система проводит сама.
Таким образом, в данной работе был выполнен и представлен анализ
следующих данных:
• фильтрационно-емкостные свойства пласта (ФЕС);
• история разработки месторождения с начала эксплуатации и
до текущего момента;
• Подробное изучение истории проведённых ГТМ (причины
проведения, процент успеха и не успеха, причины провалов);
• Ознакомление с текущим режимом работы месторождения и
техническим состоянием скважин;
• Подбор наиболее эффективных ГТМ и их дизайна на основе
проведённого анализа;
• оценка эффективности предложенных ГТМ;
Основываясь на этих данных, мною была построена экспертная система,
которая включает в себя алгоритм кластеризации данных и самостоятельное
обучение по каждому получившемуся кластеру.
Бесспорно, имеется некоторая степень неточности исходных данных,
поэтому с целью оптимизации работы системы, необходимо увеличить
количество входных данных и их качество.
Купить