Прогнозирование показателей разработки методами нейросетевого моделирования

Эффективная разработка нефтегазовых месторождений невозможна без полного всестороннего моделирования процессов, происходящих в эксплуатируемом пласте-коллекторе. К числу наиболее важных задач моделирования относят: прогноз величин дебитов нефтяных скважин; прогноз изменения полей пластовых давлений в пласте; оценка эффективности проводимых и планируемых геолого-технологических мероприятий (ГТМ).

Нефтегазоносный пласт-коллектор, вскрытый добывающими и нагнетательными скважинами, является сложной, динамической системой, требующей сложного, наукоемкого, математического моделирования с целью планирования широкого спектра геолого-технических мероприятий и добычи нефти. На сегодняшний день трехмерное гидродинамические математические модели, основанные на теории фильтрации жидкостей и газа в пористых средах, позволяют достаточно точно моделировать происходящие процессы. Однако наибольшую трудность вызывает настройка или адаптация математической модели к реальному промысловому объекту. Существует целый ряд геологических параметров, который не может быть точно измерен. Значения таких параметров подбирается эмпирически на основе опыта геологов-экспертов и геологотехнической информации получаемой с промыслового объекта.

Применение традиционных методов прогнозирования процессов нефтедобычи с использованием методов решения краевых задач теории фильтрации, моделей трубок тока, характеристик вытеснения, статистических методов и т.д. сопряжено с трудностями связанными с неполнотой или иска-женностью информации, характеризующей поведение прогнозируемой системы, и, как следствие, недостаточной достоверности математической модели и даже полной несопоставимости реалию промыслового объекта.

Одним из перспективных методов решения сложных задач нефтепромыслового прогноза показателей является имитационное моделирование, реализуемое на основе искусственных нейронных сетей (ИНС).

Применение имитационных моделей, основанных на ИНС, часто представляется более целесооб- разным, так как такие модели не требуют знаний о внутренних процессах, происходящих в разрабатываемых пластах, которые зачастую отсутствуют.

Основные вопросы, связанные с теоретическими и практическими аспектами применения ИНС представлены в многочисленных работах отечественных исследователей: А.Н. Гробня, В.Л. Дунина-Барковского, Е.Н. Соколова, Н.П. Абовского, Е.М. Миркеса, В.А. Охонина, С.А. Терехова, Д.А. Россиева и др., а также зарубежных авторов, таких как: M. Minsky, D.E. Rumelhart, S. Haykin, G.Hinton, T. Cohonen, R. Hecht-Nielsen, CM. Bishop, S. Gross-berg, J.J. Hopfield, D. Hebb и других.

В настоящее время сделаны только первые шаги в разработке нейросетевых моделей для решения задач оперативного прогноза показателей разработки месторождений [1-5].

На рынке программных продуктов существует множество нейроимитаторов, которые представляют широкие возможности для работы с нейронными сетями. Однако большинство, нацелено на работу с непосредственным участием пользователя в диалоговом режиме. Также необходимо отметить, что в существующих нейроимитаторах отсутствует возможность встраивания в информационные системы, давно применяющейся в нефтедобывающей промышленности.

Целью математического имитационного моделирования нейросетевыми методами является изучение путей повышения эффективности разработки за счет уточнения прогнозных показателей в условиях недостаточной геолого-технологической информации о промысловых объектах.

Все вышеизложенное позволяет считать, что исследования в области нейросетевых методов моделирования процессов нефтедобычи, а также разработка нейроимитаторов, поддерживающих решение задач нефтепромыслового прогноза являются актуальными и представляют теоретический и практический интерес.