Проект № AP 09562260 «Разработка метода расчета фильтрационных характеристик скважин урановых месторождений на основе алгоритмов машинного обучения, работающих с неточно размеченными интервальными данными»
Цель проекта: разработка метода расчета фильтрационных характеристик скважин урановых месторождений на основе алгоритмов машинного обучения
Задачи проекта: сбор и предварительная обработка данных геофизических исследований скважин; вычислительные эксперименты с применением нескольких алгоритмов машинного обучения; разработка метода расчета коэффициента фильтрации на основе алгоритмов машинного обучения и реализация программного прототипа; формирование отчета.
Актуальность и новизна. На протяжении многих лет внимание исследователей в области машинного обучения было сконцентрировано на нефтяной геофизике, где основной задачей является выделение коллектора. В урановой геофизике стандартный комплекс исследований содержит гораздо меньше методов, в тоже время, необходимо определять свойства множества достаточно мелких пропластков. Это делает задачу применения ММО на урановых месторождениях более сложной по сравнению с нефтяной геофизикой. В настоящее время не существует систем интеллектуальной интерпретации данных геофизического исследования скважин на урановых месторождениях с целью расчета фильтрационных характеристик. Разработанный в результате проекта метод позволяет определять значение коэффициента фильтрации с большей точностью. Предварительные эксперименты позволяют говорить о том, что применение ММО позволит увеличить точность расчета на 10-20%.
Область применения: программные приложения, выполняющие автоматическую или полуавтоматическую интерпретацию данных каротажа скважин по добыче урана. Целевым потребителем результатов проекта будут добычные предприятия КазАтомПром.
Также научные результаты могут быть применены в задачах интерпретации данных геофизических исследований скважин на урановых месторождения пластово-инфильтрационного типа.
В проекте рассматривается применение методов машинного обучения для оценки фильтрационных характеристик рудовмещающих пород. Метод базируется на использовании нелинейных регрессионных моделей и показал результаты на 25-30% лучше, чем расчеты по существующей методике, применяемой в Казахстане. Метод позволяет также оценивать фильтрационные свойства пород в пределах зоны технологического закисления. Предлагаемый метод касается примерно половины добываемого урана.
В ходе выполнения проекта, в соответствии с календарным планом на 2021 год, получены следующие результаты:
– Проведен сбор и предварительная обработка данных геофизических исследований скважин. Получен набор данных гидрогеологических и геофизических исследований скважин.
Собраны данные гидрогеологических откачек по 40 разведочным скважинам (600 интервалов мощностью 0,5 – 1.м) участка 2 месторождения «Инкай». По этим же скважинам были найдены данные каротажей (КС, ПС) а также литология по итогам кернового опробования. Проведена предобработка данных (нормировка, удаление выбросов, агрегация кодов литотипов, формирование плавающего окна данных), сформирован датасет для проведения экспериментов.
– Проведены вычислительные эксперименты с применением нескольких алгоритмов машинного обучения.
Методическая схема исследования состоит из следующих шагов
– Разработан метод расчета фильтрационных характеристик и прототип программного обеспечения.
Добыча урана методом подземного скважинного выщелачивания требует достаточно точного определения литологического состава и фильтрационных свойств рудовмещающих пород. Применяемая в Казахстане методика оценки фильтрационных свойств основана на том, что на этапе разведочного бурения определяются параметры, которые в дальнейшем используется для расчета фильтрационных свойств технологических скважин. Однако существующая методика дает неточный результат, а в зонах технологического закисления, которые составляют до 40% всех рассматриваемых данных, не может быть использована. Неточности определения коэффициента фильтрации ведут к ошибкам в технологическом процессе добычи и неточному расчету извлекаемых запасов.
Для преодоления недостатков существующего подхода, в работе предложен метод расчета фильтрационного коэффициента на основе применения регрессионных моделей.
По итогам экспериментов предложена двухэтапная схема определения коэффициентов фильтрации на месторождениях Казахстана с применением моделей машинного обучения, представленная на рисунке 1.
Рисунок 1 – схема определения на месторождениях ПСВ Казахстана с применением моделей машинного обучения
На первом этапе настраиваются модели машинного обучения с использованием данных разведочных скважин. Из настроенных моделей формируется гибридная модель, которая для закисленных участков скважины использует модель ML, где входными данными являются SP. Для не закисленных участков используются данные AR и LC. Анализ показывает, что предложенный метод дает значительно меньшую среднеквадратическую ошибку определения коэффициента фильтрации, лучше (на 70%) коррелирует с дебетами скважин, с фактическими значениями фильтрационного коэффициента (на 27%) применима для небольших интервалов и, кроме того, может использоваться и для расчета коэффициента фильтрации в зонах закисления.
Применение метода может быть ограничено при анализе данных месторождений, разведка на которых проводилась 20-30 лет назад. В таких случаях, как правило, не удается получить данные гидрогеологических исследований, а данные каротажей зачастую фрагментарны и не подходят для формирования обучающей выборки.
Список публикаций по проекту
В зарубежных изданиях:
В отечественных изданиях:
Состав исследовательской группы
Юничева Надия Рафкатовна – научный руководитель проекта, доцент (Scopus Author ID: 57188993968, https://orcid.org/0000-0001-6351-3450), (h-index=2 в Scopus). В настоящее время является руководителем проекта по ГФ на 12 месяцев № AP09562260. Научные интересы руководителя находятся на стыке информатики, теории управления и анализа данных геофизических и климатических исследований..
Ян Кучин – инженер-программист лаборатории анализа и прогнозирования информационных процессов ИИВТ МОН РК. (https://orcid.org/ 0000-0002-5271-9071, h-index=4,3,3 in Google scholar, Scopus, Web of Science, соответственно) В настоящее время является PhD студентом Рижского технического университета. Научные интересы Яна охватывают анализ данных геофизических исследований, машинное обучение.
Елена Мухамедиева – научный сотрудник ИИВТ МОН РК. (h-index=3,2,1 in Google scholar, Scopus, Web of Science, соответственно) В сферу ее научных интересов входят: обработка данных методами машинного обучения.