«Разработка метода расчета фильтрационных характеристик скважин урановых месторождений на основе алгоритмов машинного обучения, работающих с неточно размеченными интервальными данными»

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

• Сбор данных и предварительная обработка данных. Этот шаг необходим для формирования набора входных переменных и выделения целевой переменной.
• Применение методов машинного обучения в ходе двух экспериментов:
  1. Эксперимент 1. Регрессионная модель на основе ANN по данным разведочных скважин месторождения «Буденновское».
  2. Эксперимент 2. Регрессионные модели на основе ANN и ХGBoost по данным месторождения «Инкай».
• Верификация результатов с применением , , .

– 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:

• Юничева Н.Р., Кучин Я., Мухамедиева Е.Л. О методе расчета фильтрационных характеристик скважин урановых месторождений на основе алгоритмов машинного обучения // Матер. XVII Междунар. Науч.-практич. конф. «Современная европейская наука – 2021». – Шеффилд, 2021. – Т 4, № 6. – С. 80 – 85.
• Yan Kuchin, Ravil Mukhamediev, Nadiya Yunicheva, Elena Muhamedieva Data for Filtration Properties Estimation of Host Rocks // https://dx.doi.org/10.21227/fw57-ka70: 10.2021.
• Mukhamediev, Y. Kuchin, N. Yunicheva, E. Mukhamedieva Estimation of filtration properties of host rocks in sandstone-type uranium deposits using machine learning methods // IEEE Access. – 2021. (статья подана, находится на рецензии).

В отечественных изданиях:

• Yunicheva N.R., Kuchin Y., Mukhamedieva E.L. Calculation of filtering characteristics of wells uranium deposits // Advanced technologies and computer science. – Алматы, 2021. – № 3. – С. 29-34.
• Yunicheva N.R., Kuchin Y., Mukhamedieva E.L. Review of existing resources and production of natural uranium in the world // Матер. VI Междунар. Науч.-практич. конф. «Информатика и прикладная математика». – Алматы, 2021. – С. 292-296.
• А.с. № 20496. Программа для ЭВМ «Программа для расчета фильтрационных свойств вмещающих пород на урановых месторождениях Казахстана по данным каротажа методами машинного обучения» / Кучин Я.И., Мухамедиев Р. И., Юничева Н.Р., Мухамедиева Е; опубл. 24.09.2021. – 6 с.

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.