Контролируемый техпроцесс для прогнозирования литофаций в сложных неоднородных плотных песчаных коллекторах: основанный на данных подход с использованием моделей кластеризации и классификации

В этом исследовании представлен новый контролируемый техпроцесс (методика) для прогнозирования литофаций в сложных, неоднородных коллекторах из плотного песчаника с промежуточными фациями. Используя метод кластеризации с двумя информационными критериями, идентифицируются шесть различных фаций, что обеспечивает объективную, основанную на данных, альтернативу ручным подходам. Среди моделей классификации именно классификация гауссовских процессов (КГП) превосходит другие, в том числе машину опорных векторов (МОВ) и искусственную нейронную сеть (ИНС), при этом случайный лес (СЛ) работает менее эффективно. КГП точно предсказывает литофации в данных тестирования и оценивается на предмет точности сходства. Прогнозируемые литофации интегрируются в кросс-графики зависимости акустического импеданса от отношения скоростей, в результате чего получаются двумерные функции плотности вероятностей. В сочетании с данными о глубине они поступают в нейронную сеть для прогнозирования результатов синтетического гамма-каротажа. Результаты демонстрируют близкое согласование между измеренными и прогнозируемыми данными гамма-каротажа (R2 = 0,978) и почти идентичные тенденции (формы аномалий) каротажных диаграмм. Кроме того, прогнозируемые литофации классифицируются с использованием инвертированных объемов импеданса и отношения скоростей, что дает прогнозируемый объем фаций, который хорошо согласуется с классификацией литофаций скважины, даже без керновых данных.