Спосіб обробки результатів газогеохімічних досліджень за допомогою штучних нейронних мереж

Спосіб обробки результатів газогеохімічних досліджень за допомогою штучних нейронних ме 3 - штучну нейронну мережу можна навчити з малою кількістю вибірок; - під час навчання штучної нейронної мережі можна вносити додаткові вхідні дані, після чого вибрати нейронну мережу з найкращим результатом; - після навчання нейронну мережу можна довчити і перенавчити; - використовуючи штучні нейронні мережі з невеликою кількістю нейронів, можна вирішувати задачі класифікації і прогнозу; - застосування штучних нейронних мереж при обробці результатів газогеохімічних досліджень дає можливість отримувати як якісні так і кількісні характеристики показників нафтогазоносності. Суть способу пояснюємо на прикладі обробки результатів газогеохімічних досліджень в межах еталонної Західно-Рибальської площі. Для побудови залежностей між змінними нафтогазопромисловими і газогеохімічними параметрами за допомогою штучних нейронних мереж були відібрані проби сорбованого газу, які в лабораторних умовах піддавалися дегазаційним і хроматографічним дослідженням, в результаті яких було визначено компонентний вміст вуглеводневих газів в кожній відібраній пробі, а саме: СН4 - метан, С2Н6 - етан, С2H4 - етилен, С3Н8 - пропан, С3Н6 - пропілен, іС4Н10 - ізобутан, н-С4Н10 - нормальний бутан, C4H8 - бутилен. В пробурених свердловинах, які дали нафту або газ на еталонній площі були використані заміряні значення пластового тиску, значення глибини залягання продуктивних відкладів та пластової температури. Значення пористості та проникності були визначені на зразках гірських порід, які відбирались із продуктивних відкладів у цих же свердловинах. Процес визначення змінних нафтогазопромислових параметрів покладу за значеннями газогеохімічних параметрів передбачає побудову штучної нейронної мережі, яка є одна для всіх параметрів. Головним завданням способу є побудова штучної нейронної мережі залежності між фактичними і розрахованими значеннями нафтогазопромислових параметрів із значенням коефіцієнту кореляції найбільш наближеним до 1. 43548 4 Побудова штучної нейронної мережі залежності нафтогазопромислових параметрів продуктивного горизонту від газогеохімічних параметрів Вхідні дані: СН4, С2Н6, C2H4, С3Н8, С3Н6, іС4Н10, н-С4Н10, C4H8 Вихідні дані: значення нафтогазопромислових параметрів (пластовий тиск, пластова температура, пористість та проникність) продуктивного горизонту Для отримання коефіцієнта кореляції близького до 1 між фактичними і розрахованими значеннями нафтогазопромислових параметрів при навчанні і побудові штучної нейронної мережі із 8 вхідних параметрів штучною нейронною мережею обрано 7, а саме: СН4, С2Н6, C2H4, С3Н8, С3Н6, іС4Н10, н-С4Н10, C4H8. При встановленні залежності між розрахованими та фактичними значеннями отримано коефіцієнт кореляції 1. За результатами розрахунків побудовано оптимальну штучну нейронну мережу для визначення значення пористості, проникності, пластового тиску і пластової температури продуктивного горизонту (Фіг.1). Спосіб, що пропонується застосовувався при обробці результатів газогеохімічних досліджень на Микуличинській і Східно-Долинській площах, розташованих в Західному нафтогазоносному регіоні України з метою прогнозу існування промислових нафтогазових покладів в надрах вказаних площ та їх кількісних параметрів. В результаті застосування способу були отримані розраховані нафтогазопромислові параметри продуктивного горизонту, які при порівнянні із виміряними у свердловинах нафтогазопромисловими параметрами відрізнялись менше ніж на 7%, що є у допустимих межах. Так наприклад, на Микуличинській площі за результатами розрахунків було визначено, що в перспективних умовах утворення нафтогазоносних об'єктів, їх розраховані нафтогазопромислові параметри наступні: пористість колектора - 12.1%; його проникність - 6.2мкм2; пластовий тиск 22.13МПа; пластова температура - 62.3°С. Виміряні інструментальне в пробурених свердловинах параметри відкритих продуктивних об'єктів складають: пористість -12.8%; проникність - 5.8мкм2; пластовий тиск - 22.43МПа; пластова температура - 60.1°С, що підтверджує практичну цінність способу, який пропонується. 5 Комп’ютерна верстка Л. Купенко 43548 6 Підписне Тираж 28 прим. Міністерство освіти і науки України Державний департамент інтелектуальної власності, вул. Урицького, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут промислової власності”, вул. Глазунова, 1, м. Київ – 42, 01601