nznistuНауки о Земле и недропользованиеEarth sciences and subsoil use2686-99932686-7931Federal State Budget Educational Institution of Higher Education "Irkutsk National Research Technical University"10.21285/2686-9993-2021-44-4-408-416nznistu-177Research ArticleГеоинформатикаGeoinformaticsРазработка новой эмпирической корреляции для прогнозирования объемного коэффициента пластовой нефти с использованием методов искусственного интеллектаDevelopment of a new empirical correlation for predicting formation volume factor of reservoir oil using artificial intelligencehttps://orcid.org/0000-0003-0605-2920ШакироваЭ. В.ShakirovaE. V.

Шакирова Эльвира Венеровна, кандидат политических наук, доцент, доцент кафедры нефтегазового дела, Институт недропользования

г. Иркутск

Elvira V. Shakirova, Cand. Sci. (Polit.), Associate Professor, Associate Professor of the Department of Oil and Gas Engineering, Institute of Subsoil Use

Irkutsk

viva160@mail.ruhttps://orcid.org/0000-0001-6925-762XАлександровА. А.AleksandrovA. A.

Александров Александр Андреевич, студент, Политехническая школа

г. Тюмень

Aleksandr A. Aleksandrov, Student, Polytechnic School

Tyumen

kavabanga1999@mail.ruhttps://orcid.org/0000-0002-6134-1656СемыкинМ. В.SemykinM. V.

Семыкин Михаил Вячеславович, студент, Институт недропользования

г. Иркутск

Mikhail V. Semykin, Student, Institute of Subsoil Use

Irkutsk

siemykin99@mail.ruИркутский национальный исследовательский технический университетРоссияIrkutsk National Research Technical UniversityRussian FederationТюменский государственный университетРоссияUniversity of TyumenRussian Federation202127122021444408416Copyright © Шакирова Э.В., Александров А.А., Семыкин М.В., 20212021Шакирова Э.В., Александров А.А., Семыкин М.В.Shakirova E.V., Aleksandrov A.A., Semykin M.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.nznj.ru/jour/article/view/177

Известно, что для нефти, находящейся в пластовых условиях, характерно содержание определенного количества растворенного газа. В процессе снижения пластового давления этот газ выделяется из нефти, существенно изменяя ее физические свойства, в первую очередь плотность и вязкость. Кроме того, происходит уменьшение объема нефти, иногда на 50–60 %. В связи с этим при подсчете запасов необходимо обосновать величину, на которую уменьшится объем пластовой нефти после извлечения ее на поверхность. Для этого введено понятие объемного коэффициента пластовой нефти. Объемный коэффициент нефти считается одним из основных параметров, необходимых для определения характеристик сырой нефти, а также для моделирования и прогнозирования характеристик нефтяного коллектора. Целью данного исследования являлась разработка новой эмпирической корреляции для прогнозирования объемного коэффициента пластовой нефти с использованием методов искусственного интеллекта на базе программного обеспечения MATLAB, таких как искусственная нейронная сеть, адаптивная нейро-нечеткая система вывода и метод опорных векторов. В работе представлена новая эмпирическая корреляция, извлеченная из искусственной нейронной сети на основе 503 экспериментальных точек данных для нефтей с месторождения Восточной Сибири, которая помогла спрогнозировать объемный коэффициент нефти с коэффициентом корреляции 0,969 и средней абсолютной ошибкой меньше 1 %. Проведенное исследование показывает, что точность прогнозирования искомого параметра в разработанной модели искусственного интеллекта превосходит точность результатов исследований с применением обычных статистических методов. Также данная модель может быть полезна в перспективе оптимизации процессов при планировании и разработке месторождений.

It is known that oil in reservoir conditions is characterized by the content of a certain amount of dissolved gas. As reservoir pressure decreases this gas is released from oil significantly changing its physical properties, primarily its density and viscosity. In addition, the oil volume also reduces, sometimes by 50–60 %. In this regard, when calculating reserves, it is necessary to justify the reduction amount of the reservoir oil volume when oil is extracted to the surface. For this purpose, the concept of formation volume factor of reservoir oil has been introduced. The formation volume factor of oil is considered one of the main characterizing parameters of crude oil. It is also required for modeling and predicting the characteristics of an oil reservoir. The purpose of the present work is to develop a new empirical correlation for predicting the formation volume factor of reservoir oil using artificial intelligence methods based on MATLAB software, such as: an artificial neural network, an adaptive neuro-fuzzy inference system, and a support vector machine. The article presents a new empirical correlation extracted from the artificial neural network based on 503 experimental data points for oils from the Eastern Siberia field, which was able to predict the formation volume factor of oil with the correlation coefficient of 0.969 and average absolute error of less than 1 %. The conducted study shows that the prediction accuracy of the desired parameter in the developed artificial intelligence model exceeds the accuracy of study results obtained by conventional statistical methods. Moreover, the model can be useful in the prospect of process optimization in field planning and development.

объемный коэффициент нефтиискусственный интеллектнейронные сетикоэффициент корреляцииoil formation factorartificial intelligenceneural networkscorrelation coefficientReferencesLippmann R. P. An introduction to computing with neural nets // IEEE ASSP Magazine. 1987. Vol. 4. Iss. 2. P. 4–22.Lippmann R. P. An introduction to computing with neural nets. IEEE ASSP Magazine. 1987;4(2):4-22.Hinton G. E., Osindero S., Teh Y.-W. A fast learning algorithm for deep belief nets // Neural Computation. 2006. Vol. 18. Iss. 7. P. 1527–1554. https://doi.org/10.1162/neco.2006.18.7.1527.Hinton G. E., Osindero S., Teh Y.-W. A fast learning algorithm for deep belief nets. Neural Computation. 2006;18(7):1527-1554. https://doi.org/10.1162/neco.2006.18.7.1527.Rammay M. H., Abdulraheem A. Automated history matching using combination of adaptive neuro fuzzy system (ANFIS) and differential evolution algorithm // SPE Large Scale Computing and Big Data Challenges in Reservoir Simulation Conference and Exhibition. Istanbul, 2014. SPE-172992-MS.Rammay M. H., Abdulraheem A. Automated history matching using combination of adaptive neuro fuzzy system (ANFIS) and differential evolution algorithm. In: SPE Large Scale Computing and Big Data Challenges in Reservoir Simulation Conference and Exhibition. Istanbul; 2014. SPE-172992-MS.Ben-Hur A., Horn D., Siegelmann H. T., Vapnik V. Support vector clustering // Journal of Machine Learning Research. 2001. Vol. 2. P. 125–137.Ben-Hur A., Horn D., Siegelmann H. T., Vapnik V. Support vector clustering. Journal of Machine Learning Research. 2001;2:125-137.Jeng J.-T., Chuang C.-C., Su S.-F. Support vector interval regression networks for interval regression analysis // Fuzzy Sets and Systems. 2003. Vol. 138. Iss. 2. P. 283–300. https://doi.org/10.1016/S0165-0114(02)00570-5.Jeng J.-T., Chuang C.-C., Su S.-F. Support vector interval regression networks for interval regression analysis. Fuzzy Sets and Systems. 2003;138(2):283-300. https://doi.org/10.1016/S0165-0114(02)00570-5.Tahmasebi P., Hezarkhani A. A hybrid neural networks-fuzzy logic-genetic algorithm for grade estimation // Computers & Geosciences. 2012. Vol. 42. P. 18–27. https://doi.org/10.1016/j.cageo.2012.02.004.Tahmasebi P., Hezarkhani A. A hybrid neural networks-fuzzy logic-genetic algorithm for grade estimation. Computers & Geosciences. 2012;42:18-27. https://doi.org/10.1016/j.cageo.2012.02.004.Klir G., Yuan B. Fuzzy sets and fuzzy logic: theory and applications. New Jersey: Prentice Hall, 1995. 574 p.Klir G., Yuan B. Fuzzy sets and fuzzy logic: theory and applications. New Jersey: Prentice Hall; 1995. 574 p.Kaydani H., Mohebbi A., Baghaie A. Neural fuzzy system development for the prediction of permeability from wireline data based on fuzzy clustering // Petroleum Science and Technology. 2012. Vol. 30. Iss. 19. P. 2036–2045. https://doi.org/10.1080/10916466.2010.531345.Kaydani H., Mohebbi A., Baghaie A. Neural fuzzy system development for the prediction of permeability from wireline data based on fuzzy clustering. Petroleum Science and Technology. 2012;30(19):2036-2045. https://doi.org/10.1080/10916466.2010.531345.Press W. H., Teukolsky S. A., Vetterling W. T., Flannery B. P. Numerical recipes. The art of scientific computing. New York: Cambridge University Press, 2007. 1235 p.Press W. H., Teukolsky S. A., Vetterling W. T., Flannery B. P. Numerical recipes. The art of scientific computing. New York: Cambridge University Press; 2007. 1235 p.Trontl K., Šmuc T., Pevec D. Support vector regression model for the estimation of γ-ray buildup factors for multi-layer shields // Annals of Nuclear Energy. 2007. Vol. 34. Iss.12. P. 939–952. https://doi.org/10.1016/j.anucene.2007.05.001.Trontl K., Šmuc T., Pevec D. Support vector regression model for the estimation of γ-ray buildup factors for multi-layer shields. Annals of Nuclear Energy. 2007;34(12):939-952. https://doi.org/10.1016/j.anucene.2007.05.001.Gholami R., Shahraki A. R., Jamali Paghaleh M. Prediction of hydrocarbon reservoirs permeability using support vector machine // Mathematical Problems in Engineering. 2012. https://doi.org/10.1155/2012/670723.Gholami R., Shahraki A. R., Jamali Paghaleh M. Prediction of hydrocarbon reservoirs permeability using support vector machine. Mathematical Problems in Engineering. 2012. https://doi.org/10.1155/2012/670723.Семыкин М. В., Шакирова Э. В. Исследование по подбору эффективных деэмульгаторов при обезвоживании нефтей Восточной Сибири // 60 лет снимкам обратной стороны Луны: материалы Всерос. науч.-практ. конф. Иркутск: Изд-во ИРНИТУ, 2019. С. 76–81.Semykin M. V., Shakirova E. V. Research on selection of effective demulsifiers for dehydration of Eastern Siberian oils. In: 60 let snimkam obratnoi storony Luny: materialy Vserossiiskoi nauchno-prakticheskoi konferentsii = 60th anniversary of images of the back side of the Moon: materials of the All-Russian scientific and practical conference. Irkutsk: Irkutsk National Research Technical University; 2019. p.76–81. (In Russ.).Gaisina L. M., Mikhailovskaya I. M., Khairullina N. G., Pilipenko L. M., Shakirova E. V. Features of the formation of the corporate identity of the staff // Biosciences Biotechnology Research Asia. 2015. Vol. 12. Iss. 3. P. 2543–2555. https://doi.org/10.13005/bbra/1934.Gaisina L. M., Mikhailovskaya I. M., Khairullina N. G., Pilipenko L. M., Shakirova E. V. Features of the formation of the corporate identity of the staff. Biosciences Biotechnology Research Asia. 2015;12(3):2543-2555. https://doi.org/10.13005/bbra/1934.Averkina E. V., Shakirova E. V. Specifics of drilling wells in the abnormally-high-pressure rock beds in the oiland-gas fields of Eastern Siberia // IOP Conference. Series: Earth and Environmental Science. 2019. Vol. 229. P. 012032. https://doi.org/10.1088/1755-1315/229/1/012032.Averkina E. V., Shakirova E. V. Specifics of drilling wells in the abnormally-high-pressure rock beds in the oiland-gas fields of Eastern Siberia. IOP Conference. Series: Earth and Environmental Science. 2019;229:012032. https://doi.org/10.1088/1755-1315/229/1/012032.Белозерова О. В., Коваленко В. В., Шакирова Э. В. Исследование состава и свойств нефти Ичёдинского месторождения // Известия вузов. Прикладная химия и биотехнология. 2020. Т. 10. № 3. С. 522–528. https://doi.org/10.21285/2227-2925-2020-10-3-522-528.Belozerova O. V., Kovalenko V. V., Shakirova E. V. Study of the composition and properties of crude oil mined at the Ichyodinskoye field. Izvestiya vuzov. Prikladnaya khimiya i biotekhnologiya = Proceedings of Universities. Applied Chemistry and Biotechnology. 2020;10(3):522- 528. (In Russ.). https://doi.org/10.21285/2227-2925-2020-10-3-522-528.Аверкина Е. В., Шакирова Э. В., Николаева М. Б., Климова А. А. Сравнительный анализ реагентовингибиторов набухания глинистых отложений, применяемых на месторождениях Восточной Сибири // Известия Томского политехнического университета. Инжиниринг георесурсов. 2020. Т. 331. № 12. С. 138–145. https://doi.org/10.18799/24131830/2020/12/2947.Averkina E. V., Shakirova E. V., Nikolaeva M. B., Klimova A. A. Comparative analysis of reagents-inhibitors of swelling of clay deposits used in Eastern Siberia. Izvestiya Tomskogo politekhnicheskogo universiteta. Inzhiniring georesursov = Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering. 2020;331(12):138- 145. (In Russ.). https://doi.org/10.18799/24131830/2020/12/2947.Gorokhova A. E., Gaisina L. M., Gareev E. S., Shutov N. V., Shakirova E. V. Application of coaching methods at agricultural and industrial enterprises to improve the quality of young specialists’ adaptation // Quality – Access to Success. 2018. Vol. 19. Iss. 164. P. 103–108.Gorokhova A. E., Gaisina L. M., Gareev E. S., Shutov N. V., Shakirova E. V. Application of coaching methods at agricultural and industrial enterprises to improve the quality of young specialists’ adaptation. Quality – Access to Success. 2018;19(164):103-108.Gaisina L. M., Mikhaylovskaya I. M., Khairullina N. G., Ustinova O. V., Shakirova E. V. The role of the media in the spiritual and moral evolution of society // Mediterranean Journal of Social Sciences. 2015. Vol. 6. Iss. 5. P. 93–101. https://doi.org/10.5901/mjss.2015.v6n5s2p93.Gaisina L. M., Mikhaylovskaya I. M., Khairullina N. G., Ustinova O. V., Shakirova E. V. The role of the media in the spiritual and moral evolution of society. Mediterranean Journal of Social Sciences. 2015;6(5):93-101. https://doi.org/10.5901/mjss.2015.v6n5s2p93.Gaisina L. M., Dorozhkin Yu. N., Iakupova G. A., Rasuleva I. V., Dallakian G. R., Shakirova E. V. Reflection of contemporary socio-cultural factors on young rural family as a problem of rural development. A study case - the Republic of Bashkortostan // Scientific Papers. Series: Management, Economic Engineering in Agriculture and Rural Development. 2018. Vol. 18. Iss. 3. P. 131–138.Gaisina L. M., Dorozhkin Yu. N., Iakupova G. A., Rasuleva I. V., Dallakian G. R., Shakirova E. V. Reflection of contemporary socio-cultural factors on young rural family as a problem of rural development. A study case-the Republic of Bashkortostan. Scientific Papers. Series: Management, Economic Engineering in Agriculture and Rural Development. 2018;18(3):131-138.Шакирова Э. В., Семыкин М. В., Александров А. А., Брыжеватых Н. В. Современные методы по подбору деэмульгаторов при обезвоживании нефтей Восточной Сибири // Проблемы сбора, подготовки и транспорта нефти и нефтепродуктов. 2021. № 3. С. 36– 44. https://doi.org/10.17122/ntj-oil-2021-3-36-44.Shakirova E. V., Semykin M. V., Aleksandrov A. A., Bryzhevatykh N. V. Modern methods for the selection of effective demulgators for oil dehydration in Eastern Siberia. Problemy sbora, podgotovki i transporta nefti i nefteproduktov = Problems of Gathering, Treatment and Transportation of Oil and Oil Products. 2021;3:36-44. (In Russ.). https://doi.org/10.17122/ntj-oil-2021-3-36-44.

The authors declare that there are no conflicts of interest present.