Λεπτομέρειες βιβλιογραφικής εγγραφής
| Τίτλος: |
USING MACHINE LEARNING TO PREDICT RESERVOIR PROPAGATION FROM SEISMIC DATA FOR GEOSTEERING PURPOSES WHEN DRILLING WELLS |
| Πηγή: |
ГЕОФИЗИКА. :4-9 |
| Στοιχεία εκδότη: |
Interregional public organization Euro-Asian geophysical society, 2023. |
| Έτος έκδοσης: |
2023 |
| Θεματικοί όροι: |
geosteering, Машинное обучение, reservoir probability cube, seismic exploration, prediction, neural networks, drilling, бурение, seismic interpretation, ФЕС, динамическая интерпретация, reservoir property, прогноз, Machine learning, нейронные сети, геонавигация, куб вероятности коллектора, сейсморазведка |
| Περιγραφή: |
Геонавигационное сопровождение бурения позволяет в оперативном порядке корректировать проложение ствола скважины относительно продуктивного пласта. Один из вариантов решения существующих ограничений геонавигации – привлечение максимального количества геолого-геофизической информации за счет результатов прогнозирования ФЕС по сейсмическим данным. В данной статье рассматриваются варианты объемного прогнозирования ФЕС по сейсмическим данным с помощью современных алгоритмов нейронных сетей и машинного обучения. Представлены результаты сопоставления полученных прогнозных решений с фактическими данными пробуренной скважины, в том числе анализ геонавигационных разрезов. Geosteering support for drilling allows you to promptly correct the location of the wellbore relative to the productive formation. One of the options for solving the existing limitations of geosteering is to attract the maximum amount of geological and geophysical information by using the results of forecasting reservoir properties from seismic data. This article discusses options for volumetric prediction of reservoir properties from seismic data using modern neural network algorithms and machine learning. The results of comparison of the obtained predictive solutions with the actual data of the drilled well, including the analysis of geosteering sections, are presented. |
| Τύπος εγγράφου: |
Article |
| Γλώσσα: |
Russian |
| ISSN: |
1681-4568 |
| DOI: |
10.34926/geo.2023.76.35.001 |
| Αριθμός Καταχώρησης: |
edsair.doi...........af566c43e664fae439974eba1a7efd0e |
| Βάση Δεδομένων: |
OpenAIRE |