В Томске нашли способ ускорения бурения горных пород

Томские исследователи разработали метод, который повышает эффективность бурения в неоднородных карбонатных породах. Новый подход сочетает алгоритмы искусственного интеллекта, что позволяет сократить время и затраты на бурение, как сообщается из Минобрнауки РФ. Об этом сообщает портал ТАСС.

В Томском политехническом университете был представлен комплексный метод, направленный на уменьшение продолжительности бурения, снижение затрат и улучшение его эффективности в неоднородных карбонатных коллекторах, где могут находиться значительные запасы углеводородов. Интегрированная структура включает различные алгоритмы ИИ и позволяет находить оптимальные условия работы.

Процесс бурения составляет от тридцати до шестидесяти процентов стоимости скважины, и скорость выполнения работ напрямую влияет на сроки. Даже небольшое улучшение этого показателя на десять процентов может привести к заметной экономии. На скорость бурения влияют несколько факторов, таких как состав и прочность пород, пластовое давление и напряжения. Особенно сложными являются неоднородные карбонатные коллекторы, состоящие в основном из известняков и доломитов, в которых сосредоточены значительные мировые запасы углеводородов.

Для прогнозирования и оптимизации параметров бурения в таких коллекторах применяются методы машинного и глубокого обучения. Однако многие модели страдают от недостатка интерпретируемости, не всегда учитывают временные зависимости и могут быть физически неосуществимыми. Новый подход представляет собой методологию и руководство по оптимизации бурения на основе данных. Он может помочь сократить время бурения, снизить затраты и повысить эффективность, но для его применения на различных скважинах и месторождениях необходимы данные, охватывающие широкий спектр геомеханических и эксплуатационных условий.

Ученые собрали информацию из трех вертикальных нефтяных скважин в известняково-доломитовой формации, учитывая параметры бурения, глубину и механические характеристики грунта. На основе собранных данных были созданы системы прогнозирования.

По словам разработчика Шадфара Давуди, наивысшую точность и воспроизводимость продемонстрировала система, основанная на LSTM-модели (долгая краткосрочная память). Анализ с использованием объяснимого искусственного интеллекта показал, что главный параметр, влияющий на производительность бурения, - это частота вращения. Интеграция с физически обоснованным алгоритмом NSGA-III позволила выявить стратегии бурения, зависящие от типа пласта и соответствующие законам механики горных пород. Модели успешно протестированы на скважине, которая ранее не подвергалась исследованию. Результаты работы опубликованы в журнале Results in Engineering (Q1, IF: 9,4).

Больше новостей и эксклюзивных видео смотрите в канале Самара Онлайн 24 в MAX

Читайте также: