Тип публикации: статья из журнала
Год издания: 2022
Идентификатор DOI: 10.36622/VSTU.2022.87.1.016
Ключевые слова: neural networks, convolutional neural network, binary classification, geophysical survey of wells, well logging, reservoir forecast, нейронные сети, сверточная нейронная сеть, бинарная классификация, геофизические исследования скважин, каротаж, прогноз коллекторов
Аннотация: Статья посвящена решению задачи автоматического поиска интервалов коллекторов по данным геофизических исследований скважин (ГИС) нефтяных и газовых месторождений. Cоздана система распознавания типа коллектора, позволяющая достичь средней точности на тестовой выборке 92,2%. The article is devoted to solving the problem of automatic Показать полностьюsearch of reservoir intervals according to geophysical well surveys (GIS) of oil and gas fields. This article proposes an algorithm that allows to automate the allocation of collector zones using deep-learning neural network technologies. As a result, based on the data obtained from a group of wells of an oil field located in the Krasnoyarsk Territory, a reservoir type recognition system was created that allows achieving an average accuracy of 92.2% on a test sample.
Журнал: Системы управления и информационные технологии
Выпуск журнала: № 1
Номера страниц: 77-83
ISSN журнала: 17295068
Место издания: Воронеж
Издатель: Воронежский государственный технический университет