- Код статьи
- S0002333725020091-1
- DOI
- 10.31857/S0002333725020091
- Тип публикации
- Статья
- Статус публикации
- Опубликовано
- Авторы
- Том/ Выпуск
- Том / Номер выпуска 2
- Страницы
- 114-127
- Аннотация
- Определение свойств неоднородных коллекторов по данным об эволюции микросейсмичности является важной задачей при разработке месторождений. Анализ распространения микросейсмических событий, возникающих при закачке/отборе флюида, позволяет получить ценную информацию о проницаемости и напряженном состоянии пласта. В настоящей статье рассматривается обратная задача определения фильтрационных свойств коллектора по данным о распространении микросейсмических событий. Для этого исследуется влияние различных геологических факторов на распределение очагов микросейсмических событий. Для выявления корреляционных связей между параметрами геологической модели и эволюцией микросейсмичности были использованы методы машинного обучения. Из-за недостаточной вариативности натурных данных для обучения модели была создана искусственная база каталогов микросейсмических событий, содержащих координаты очагов и времена их возникновения. Для этого проведено численное моделирование закачки жидкости и генерации микросейсмических событий в синтетических моделях проницаемых сред с разным геологическим строением. Таким образом, предложен комплексный подход к восстановлению фильтрационных свойств неоднородных коллекторов по данным об эволюции микросейсмичности с использованием методов машинного обучения. Предложенная методика может быть применена для оптимизации разработки месторождений, повышения эффективности извлечения флюидов и снижения рисков, связанных с возникновением нежелательной техногенной сейсмической активности.
- Ключевые слова
- техногенная сейсмичность фильтрация жидкости проницаемость численное моделирование машинное обучение
- Дата публикации
- 25.12.2024
- Год выхода
- 2024
- Всего подписок
- 0
- Всего просмотров
- 11
Библиография
- 1. Адушкин В. В., Турунтаев С. Б. Техногенная сейсмичность - индуцированная и триггерная. М.: ИДГ РАН. 2015a. 364 с.
- 2. Баренблатт Г. И., Ентов В. М., Рыжик В. М. Движение жидкостей и газов в природных пластах. М.: Недра. 1984. 211 с.
- 3. Dichiarante A.M., Langet N., Bauer R.A., Goertz-Allmann B.P., Williams-Stroud S.C., Kühn D., Oye V., Greenberg S.E., Dando B.D.E.Identifying geological structures through microseismic cluster and burst analyses complementing active seismic interpretation // Tectonophysics. 2021. Т. 820. С. 229107.
- 4. Jessell M., Guo J., Li Y., Lindsay M., Scalzo R., Giraud J., Pirot G., Cripps E., Ogarko V.Into the Noddyverse: a massive data store of 3D geological models for machine learning and inversion applications // Earth Syst Sci Data. 2022. Т. 14. № 1. С. 381-392.
- 5. Ritz V., Rinaldi A. P., Wiemer S. Transient evolution of the relative size distribution of earthquakes as a risk indicator for induced seismicity // Commun Earth Environ. 2022. Т. 3.
- 6. Scibek J. Multidisciplinary database of permeability of fault zones and surrounding protolith rocks at world-wide sites // Sci Data. 2020. Т. 7. № 1. С. 95.
- 7. Shapiro S. Fluid-Induced Seismicity. Cambridge: Cambridge University Press. 2015.
- 8. Turuntaev S., Eremeeva E., Zenchenko E. Laboratory study of microseismicity spreading due to pore pressure change // J. Seismol. 2013. Т. 17.
- 9. Vaswani A., Shazeer N.M., Parmar N., Uszkoreit J., Jones L., Gomez A.N., Kaiser L., Polosukhin I. Attention is all you need. Adv Neural Inf Process Syst. 2017. Т. 2017-Decem. № Nips. С. 5999-6009.
- 10. Zoback M. D. Managing the seismic risk posed by wastewater disposal // Earth Magazine. 2012. С. 38-43.
- 11. Zwicker D. A Python package for solving partial differential equations // J. Open Source Softw. 2020. Т. 5. № 48. С. 2158. idglgfd/permeability_reconstruction_network [Электронный ресурс]. URL: https://github.com/idglgfd/permeability_reconstruction_network (дата обращения: 15.08.2024).
