Актуальные проблемы нефти и газа

УДК 622.276

Гончарова Ю.А., Индрупский И.М.

ПРИМЕНЕНИЕ МАШИННОГО ОБУЧЕНИЯ В ОБРАТНОЙ ЗАДАЧЕ ДВУХФАЗНОЙ ФИЛЬТРАЦИИ

Аннотация

В статье исследуется возможность использования машинного обучения в обратных задачах многофазной фильтрации на примере специализированных исследований нефтяных скважин. Предлагается на каждой итерации заменить численное решение прямой задачи на аппроксимацию критерия качества нейронной сетью. Обоснована структура нейронной сети, построена обучающая выборка, разработан и реализован алгоритм обучения. Результаты применения нейронной сети на контрольной выборке показали, что обеспечивается хорошая аппроксимация функционала для решения обратных задач. Предложены способы дальнейшего улучшения аппроксимации. Для практического применения целесообразно развитие исследований с формулировкой и решением задачи машинного обучения в альтернативных постановках.

Ключевые слова: машинное обучение, нейронная сеть, обратная задача, многофазная фильтрация, двухфазные исследования скважин, оптимизация, генетический алгоритм.

Goncharova Yu.A., Indrupskiy I.M.

APPLICATION OF MACHINE LEARNING TO INVERSE PROBLEMS OF TWO-PHASE FLOW IN POROUS MEDIA

Abstract

The possibility of using machine learning in inverse problems of multiphase flow in porous mediais studied on the example of specialized oil well tests. It is proposed to replace numerical solution of the forward problem at each iterationby approximation of the objective function by a neural network. Structure of the neural network is justified, a training set is constructed, and learning algorithm is developed and implemented. Results of application of the neural network on a control sample showed that a good enough approximation of the objective functionwasachievedfor solving inverse problems. Methods for further improvementof approximation are proposed. For practical application it is advisable to continue research with settlement and solution of the machine learning problem in alternative formulations.

Keywords: machine learning, neural network, inverse problem, multiphase flow, two-phase well tests, optimization, genetic algorithm.

  DOI 10.29222/ipng.2078-5712.2018-21.art17

 

Полный текст статьи в формате PDF