Типизация пород ачимовской толщи методами машинного обучения на основе построения их объемно-компонентной модели

Отложения ачимовской толщи севера Западной Сибири являются классическим примером сложнопостроенного коллектора, для которого традиционные методы петрофизической интерпретации часто оказываются недостаточно эффективными по причине высокой геологической неоднородности, выражающейся в широкой вариации минерального состава и фильтрационно-емкостных свойств пород. Основным методом повышения достоверности геологической интерпретации данных геофизических исследований скважин (ГИС) в таких отложениях служит выполнение литологической типизации пород. В статье предлагается подход к литологической типизации пород, основанный на построении их объемно-компонентной модели (ОКМ). На первом этапе построено две ОКМ, количество компонент которых обосновано согласно двум наборам данных ГИС – расширенного (ГК, ННКт, ГГКп, ГГКлп, ИНГКс) и стандартного (ГК, ННКт, ГГКп, ГГКлп). На втором этапе полученные модели используются в качестве входных данных для настройки алгоритмов машинного обучения с целью выполнения литотипизации пород. Разработанный подход позволяет повысить достоверность прогноза литотипов в скважинах без керна в сравнении с применением стандартного статистического анализа по исходным кривым ГИС.

1. Применение современных методов ГИС и алгоритмов машинного обучения при обосновании типизации пород на месторождениях Ванкорского кластера / И. Р. Махмутов, А. А. Евдощук, Д. В. Грандов [и др.]. – DOI 10.31087/0016-7894-2020-6-77-86. – Текст : непосредственный // Геология нефти и газа. – 2020. – № 6. – С. 77–86.

2. New Method for Determining Mineralogy and Matrix Properties from Elemental Chemistry Measured by Gamma Ray Spectroscopy Logging Tool / R. Freedman, S. Herron, V. Anand [et al.]. – Text : direct // SPE. Reservoir Evaluation & Engineering. – 2015. – Vol. 18, Issue 04. – P. 599–608.

3. Развитие рынка отечественных высокотехнологичных геофизических приборов / И. М. Ракаев, Э. В. Гадельшин, И. А. Ханафин [и др.]. – DOI 10.24887/0028-2448-2022-12-78-82. – Текст : непосредственный // Нефтяное хозяйство. – 2022. – № 12. – С. 78–82.

4. Doveton, J. H. Principles of Mathematical Petrophysics. – New York : Oxford University Press. – 2014. – 253 p.

5. Алексеев, А. Д. Методические основы построения объемных петрофизических моделей нетрадиционных и сложнопостроенных коллекторов по результатам специальных исследований керна / А. Д. Алексеев, А. Е. Гаврилов. – DOI 10.24887/2587-7399-2019-3-25-34. – Текст : непосредственный // PROнефть. Профессионально о нефти. – 2019. – № 3(13). – С. 25–34.

6. Коссовская, А. Г. Глинистые минералы — индикаторы глубинного изменения терригенных пород / А. Г. Коссовская, В. А. Дриц, В. Д. Шутов // Сб. «Геохим., минер. и петр. осад. образований». – Москва : Изд-во Академии Наук СССР, 1964.

7. Herron, M. M. Elemental Composition and Nuclear Parameters of Some Common Sedimentary Minerals / M. M. Herron, A. Matteson // Nuclear Geophysics (International Journal of Radiation Applications and Instrumentation, Part E);(United Kingdom). – 1993. – Vol. 7, Issue 3, pp. 383–406.

8. Модуль оценки модели. – Текст : электронный // scikit-learn. ru: сайт. – URL: https://scikit-learn.ru/stable/modules/model_evaluation.html (дата обращения: 15.10.2025).

9. Model evaluation module. (In Russian). Availabl at: https://scikitlearn.ru/stable/modules/model_evaluation.html (accessed: 15.10.2025).

10. Петрофизическое моделирование на основе литолого-фациального анализа ачимовских отложений севера Западной Сибири / А. О. Нестеренко, И. Н. Жижимонтов, И. Р. Махмутов, А. В. Храмцова. – Текст : непосредственный // Каротажник. – 2022. – № 6(320). – С. 118–131.