Инженер-исследователь Центра Хериот-Ватт ТПУ Шадфар Давуди защитил диссертацию на соискание ученой степени кандидата технических наук. Тема диссертации – «Гибридная интеллектуальная система для оперативного определения свойств бурового раствора на основе машинного обучения».

«При бурении нефтяных и газовых скважин одним из наиболее технически сложных аспектов является работа с буровым раствором. Для повышения эффективности бурения скважин и минимизации потенциальных проблем, связанных с буровым раствором, инженеры по бурению должны определить оптимальную программу промывки скважины и определить компонентный состав раствора для каждой секции скважины. Им также необходимо периодически контролировать и измерять технологические свойства раствора в процессе бурения скважины. Для этого обычно используются экспериментальные методы контроля свойств бурового раствора путем прямого измерения в полевых лабораториях по месту бурения скважин. Такой подход может быть трудоемким и дорогостоящим, но он является необходимым в настоящее время для контроля технологического процесса бурения скважин», – отмечает автор.

Одними из наиболее важных свойств бурового раствора являются фильтрационные и реологические свойства. В связи с этим тщательное проектирование и приготовление буровых растворов с соответствующими реологическими и фильтрационными свойствами в сочетании с оперативным мониторингом имеют большое значение для успешного выполнения буровых работ. Как правило, эти параметры проверяются не чаще, чем один или два раза в день. При этом получение подобной информации о фильтрационных и реологических свойствах растворов в режиме реального времени позволит избежать осложнений, связанных с изменением свойств буровых растворов во время бурения, путем раннего выявления и своевременного принятия необходимых корректирующих действий. Решение данной задачи также направлено на достижение полной автоматизации процесса прогнозирования реологических и фильтрационных свойств буровых растворов непосредственно в полевых условиях.

По мнению инженера-исследователя, методы машинного обучения могут служить перспективным инструментом для оценки реологических и фильтрационных свойств бурового раствора. Так, два метода машинного обучения – метод наименьших квадратов опорных векторов (LSSVM) и метод многослойного экстремального машинного обучения (MELM) – уже нашли свое успешное применение для решения различных задач регрессии и классификации. Они могут быть использованы для разработки прогнозных моделей для точного определения вышеупомянутых свойств буровых растворов.

«Однако эти методы имеют свои недостатки, негативно влияющие на точность прогнозирования и обобщаемость. Решить проблему можно путем объединения автономных моделей с методами глобальной оптимизации для определения оптимальной архитектуры модели MELM и оптимальных гиперпараметров для обеих моделей MELM и LSSVM», – подчеркивает он.

Исследование выполнено под научным руководством доцента отделения нефтегазового дела, директора Центра Хериот-Ватт ТПУ Валерия Рукавишникова.