Нейросетевые методы и программное обеспечение для решения задач нефтепромысловой геологии

• Автор: Проказов, Сергей Анатольевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2003
• Место защиты: Томск
• Количество страниц: 114 с. : ил.

ВВЕДЕНИЕ.

ГЛАВА 1. ПОДХОДЫ К СОЗДАНИЮ МОЛ Г Л ЕЙ ПРОЦЕССОВ

НЕФТЕДОБЫЧИ

1.1 Цели н задачи нефтепромысловой геологии

1.2 Мстоль математического и имитационного моделирования, применяющиеся п нефтепромысловой геологии

1.2.1 Теория фильтрации

1.2.2 Имитационные модели

1.3 Недостатки традиционных моделей и актуальность новых но,1одо.

1.4 Исследование ненросстевых технологий дли информационных молелен процессов

нефтедобычи

1.4.1 Теоретические основы ИНС.

1.4.2 Программные системы, реализующие нейпосетевыс технологии
1.5 Основные результаты и выводы но главе
ГЛАВА 2. ПОСТРОЕНИЕ НЕЙРОСЕТЕВЫХ МОДЕЛЕЙ П РО ЦЕССОВ Н ЕФТЕДО БЫ Ч И.
2.1 Постановка залам нефтепромысловой геологии.
2.2 Прогноз дебита нефти.
2.3 Оценка эффективности геолого технологических мероиртп ни
2.4 Прогноз Пластовых давлений.
2.5 Методика моделировании процессов нефтедобычи.
2.6 Основные рсЕУлыаты и выводы но главе.
ГЛАВА 3. ИССЛЕДОВАНИЕ УСТОЙЧИВОСТИ ИЕЙРОСЕ ГЕВЫХ МОДЕЛЕЙ ПРОЦЕССОВ НЕФТЕДОБЫЧИ.
3.1 Выбор и обоснование числснноана.ипнчсекой модели процесс фи.чьч рации I 3.2 Построение обучающих выборок но результатам численного моделировании
технологических показателей нефтедобычи
3.3 Исслелованис точностных характеристик нрога показателей нсфслобычи с использованием линейной сети.
3.4 Исследование точностных характеристик прогною ноканиелен нефслобычн с использованием сетей сигмоидальных нейронов
3.5 Исследование шу.моподавликнцнх свойств нсйроеетсвыч мо.клсй при решении
задачи прогноза показателен нефтедобычи.
3.6 Нснросстевая аппроксимация математической модели трехмерной, трхфа зной фильтрации
3.7 Основные результаты и выводы и главе.
ГЛАВА 4. ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ НЕЙРОСЕТКВОГО МОДЕЛИРОВАНИЯ ПРОЦЕССОВ НЕФТЕДОБЫЧИ.
4.1 Архитектура н программная реализации нейроимигатора.
4.2 Функциональные возможности нсйросетевых компонентов.
4.3 Аннробацни разработанного программного обеспечения
4.4 Оснонные результаты н вмиодм но главе.
ЗАКЛЮЧЕНИЕ.
СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ


Предложены новые нейросетевые модели, прогнозирующие среднесуточные дебиты добывающих скважин и суммарные дебиты группы скважин, с приемлемой для практических целей ошибкой прогнозирования (2 - %). Предложены новые нейросетевые модели, прогнозирующие изменения полей пластовых давлений, с приемлемой для практических целей ошибкой прогнозирования (средняя ошибка менее 5 %). Предложена оригинальная методика использования нейросетевых моделей, для разделения эффектов от одновременно проводимых ГТМ и оценки величины прироста добычи нефти, связанного с тем или иным ГТМ. Показана устойчивость нейросетевых моделей, аппроксимирующих процессы однофазной фильтрации жидкости в пористых средах, к зашумлениям (до %) в обучающих выборках. Разработанные нейросетевые модели и прикладное программное обеспечение использованы для построения имитационных моделей процессов нефтедобычи в практической нефтепромысловой геологии, научных исследованиях, учебном процессе. Разработанные нейросетевые модели используются для прогноза следующих технологических и геологических показателей нефтедобычи: среднесуточные дебиты нефти добывающих скважин, суммарные деби гы группы скважин, поля пластовых давлений в разрабатываемом пласте-коллекторе. Разработанные нейросетевые модели прогноза дебитов нефти индивидуальных скважин используются для разделения эффектов от одновременно проводимых ГТМ и оценки величины прироста добычи нефти, вызванного тем или иным ГТМ. Созданное программное обеспечение позволяет существенно ускорить и облегчить работу с нейросетевыми моделями процессов нефтедобычи за счёт возможности интеграции с существующими информационными системами, а также за счёт возможности модификации нейросетевых модулей в соответствии с решаемыми задачами. Разработанные нейросетевые модели для решения следующих задач нефтепромысловой геологии: прогнозирование среднесуточных дебитов индивидуальных скважин и суммарного дебита группы скважин. Методика оценки эффективности проводимых и планируемых ГТМ, основанная на нейросетевых моделях, прогнозирующих показатели нефтедобычи. Результаты исследования устойчивости нейросетевых методов решения задач нефтепромысловой геологии к входным данным с высоким уровнем шума (до %). Программное обеспечение созданных нейросетевых компонентов, позволяющее решать задачи нефтепромысловой геологии на основе нейросетевого подхода. Радиотехнические и информационные системы и устройства» (Томск, ); У-ой Всероссийской научно-технической конференции «Информационные технологии в науке, проектировании и производстве» (Нижний Новгород,); семинаре «Информационные технологии в геологии и нефтедобыче», в рамках четвертой Межрегиональной специализированной выставки-конгресса «НЕФТЬ И ГАЗ-». ЗЛО «ЮКОС ЭП» (Томск,); 4-ой научно-практической конференции "Современные средства и системы автоматизации" (Томск, ). По материалам диссертации опубликовано 8 работ, в том числе статья в журнале «Нейрокомпьютеры: разработка, применение». Полный список работ приведён в общем списке литературы [7,,,,,,,0]. Постановка задач исследования выполнена автором совместно с Б. П. Иваненко и В. Л. Силичем. Разработка нейросетевых моделей для решения задач нефтепромысловой геологии выполнена автором совместно с Б. П. Иваненко. Разработка методик нейросетевого моделирования процессов нефтедобычи выполнена автором совместно с Б. П. Иваненко. Методика использования нейросетевых моделей, прогнозирующих показатели нефтедобычи, для оценки эффектов от ГТМ разработана автором совместно с Б. П. Иваненко. Исследование устойчивости нейросетевых методов решения задач нефтепромысловой геологии к входным данным с высоким уровнем шумов выполнены автором совместно с Б. П. Иваненко. Исследование шумоподавляющиих свойств нейросетевых моделей процессов нефтедобычи выполнено лично автором. Разработка концепции Г для решения задач нефтепромысловой геологии выполнена автором совместно с Б. П. Иваненко. Разработка алгоритмического и программного обеспечения компонентов ЫеЮоге, ЫЫе1АХ, а также нейроимитатора ЫЫе1 выполнены лично автором.