Комплексный анализ методов оценки гидродинамического состояния призабойной зоны скважин, эксплуатирующих сложнопостроенные карбонатные коллекторы

Аннотация


Оценка гидродинамического состояния призабойных зон является ключевой задачей, решаемой при проведении и интерпретации гидродинамических исследований скважин. Наиболее распространенным на практике показателем состояния призабойных зон является скин-фактор. Однако его определение для условий сложнопостроенных карбонатных коллекторов зачастую сопровождается затруднениями. В условиях неполного восстановления давления, характерного для рассматриваемых условий, величина скин-фактора нередко принимает недостоверное значение, в некоторых случаях приводящее к некорректной трактовке состояния призабойной зоны, независимо от используемых подходов к интерпретации. На примере фактических данных продемонстрировано, что сокращение кривой восстановление давления приводит к ложноотрицательным значениям скин-фактора как при реализации графоаналитического метода касательной, так и при обработке в соответствии с теорией Бурдэ. В таких условиях рекомендуется использовать принципиально другие показатели состояния призабойных зон, например, безразмерный диагностический признак, определяемый при реализации метода детерминированных моментов давления. Однако отсутствие опыта широкого практического применения данного метода обусловливает необходимость оценки его достоверности. С этой целью в данном исследовании использован эффективный инструмент математической статистики - множественный регрессионный анализ, который в данном случае сводился к построению многомерных моделей дебитов скважин. В качестве независимых переменных использовались геолого-технологические показатели эксплуатации скважин, в том числе параметры, характеризующие призабойную зону пласта (скин-фактор, определенный в ПК Saphir, скин-фактор, вычисленный методом касательной, а также безразмерный диагностический признак). В соответствии с теорией регрессионного анализа достоверным является тот параметр, который включается в построенную модель на максимально раннем шаге. Выполненная в настоящей работе процедура построения и анализа многомерных статистических моделей продемонстрировала достоверность безразмерного диагностического признака при оценке состояния призабойных зон продуктивных пластов, представленных сложнопостроенными карбонатными коллекторами.

Полный текст

Введение Гидродинамическое состояние прискважинных (призабойных) зон продуктивных пластов (ПЗП) является критерием, во многом определяющим успешное нефтеизвлечение в пределах зоны дренирования скважины. Как следствие, воздействие на призабойную зону является основным элементом системы управления продуктивностью скважин [1-3]. Соответственно, достоверная оценка состояния данной части пласта является важнейшей задачей нефтепромыслового инжиниринга, которая решается на практике посредством интерпретации кривых восстановления давления (КВД). В работе [4] авторы подчеркивают важность наличия результатов интерпретации гидродинамических исследований скважин, в том числе величины скин-фактора, при моделировании процессов в трехмерных моделях сложнопостроенных залежей нефти. В подавляющем большинстве случаев в качестве критерия, характеризующего состояние призабойных зон, используют скин-фактор [5]. В работе [6] авторы приводят результаты исследований по численному моделированию величины скин-фактора с целью изучения эффективности применяемых технологий первичного и вторичного вскрытия газового пласта. Авторы работы [7] называют скин-фактор параметром, характеризующим коллекторские свойства призабойных зон. Однако указывают на сложность определения проницаемости призабойной зоны по известной величине скин-фактора. В работе [8] авторы показывают данные, что определение величины скин-фактора является одной из основных задач гидродинамических исследований скважин, и приводят результаты исследований по разработке алгоритмов его определения в условиях многозабойных скважин. Работа [9] посвящена проблемам трактовки отрицательных величин скин-фактора. Автор указывает на сложность самого понятия «скин-фактор» и на большое количество определяющих его величину процессов. На более сложную форму кривых восстановления давления скважин в карбонатных коллекторах трещинно-порового типа указывает автор [10]. Аналогичный вывод о выраженном влиянии сложного типа пустотности, а именно наличии трещин, на формы кривых восстановления давления и результаты их интерпретации, получен авторами в работах [11-14]. В статье [15] авторы указывают на одну из основных проблем гидродинамических исследований скважин - неединственность решений, которая сопровождает ручную интерпретацию кривых восстановления давления. Большое количество неопределенностей сопровождает также практическую реализацию алгоритма диагностирования трещин с учетом данных гидродинамических исследований скважин, о чем авторы алгоритма указывают в статье [16]. Проблема оценки состояния ПЗП по данным исследования скважин в карбонатных коллекторах усугубляется сложностью строения их пустотного пространства [17]. Как правило, процесс восстановления давления продолжается в течение более длительного периода времени, а форма графиков кривой восстановлений давлений (КВД) отличается от эталонов. Нередкой является ситуация, когда при исследовании скважин в карбонатных коллекторах давление не восстанавливается до величины пластового, что сопровождается занижением результирующих значений определяемых фильтрационных параметров (проницаемости, скин-фактора) [18, 19]. В качестве примера на рис. 1 и в табл. 1 приведено сравнение двух а б Рис. 1. Графики кривой восстановления давления: а - полностью восстановления кривая; б - усеченная Таблица 1 Сопоставление результатов интерпретации полной и сокращенной КВД методом касательной График КВД (см. рис. 1) Полностью восстановленная кривая Усеченная кривая Продолжительность исследования, мин 7459 1770 Степень восстановления давления, % 99,7 96,7 Проницаемость удаленной зоны пласта, мкм2 0,044 0,018 Скин-фактор, б/р 3,1 -2,3 графиков КВД и результатов их интерпретации: в первом случае обработана полностью восстановленная кривая, во втором - специально усеченная. Представленные графики обработаны методом касательной - одним из распространенных методов обработки материалов исследований скважин [20]. Из представленных в табл. 1 данных следует, что сокращение продолжительности исследования и снижение степени восстановления давления всего на 3 % приводит к существенному занижению определяемых параметров. Так, величина скин-фактора при этом принимает ложноотрицательное значение, что свидетельствует о ее выраженной чувствительности к продолжительности остановки скважины на исследование и степени восстановления давления [21]. Интерпретация полной и сокращенной кривых восстановления давления, выполненная в современных программных продуктах, основанных на анализе графика производной давления в билогарифмических координатах, также зачастую приводит к разным результатам, что продемонстрировано на примере тех же данных (рис. 2, табл. 2). Обработка сокращенных кривых восстановления давления в ПО KAPPA Workstation (модуль Saphir) приводит к еще большему количеству неопределенностей. Исключение из анализа последнего участка на графике обусловливает затруднения при выборе интерпретационных моделей, что является основой данного подхода к обработке материалов гидродинамических исследований. Так, при обработке а б в Рис. 2. Интерпретация полной и сокращенной кривых восстановления давления: а - исходная кривая; б - усеченная кривая (модель 1); в - усеченная кривая (модель 2) Таблица 2 Сопоставление результатов интерпретации полной и сокращенной КВД в ПО KAPPA Workstation (модуль Saphir) График КВД Исходная кривая Усеченная кривая (модель 1) Усеченная кривая (модель 2) Продолжительность исследования, мин 7459 1770 1770 Степень восстановления давления, % 99,7 96,7 96,7 Проницаемость удаленной зоны пласта, мкм2 0,052 0,019 0,065 Скин-фактор 4,6 -3,1 12,3 Таблица 3 Определение безразмерного диагностического признака Характеристика КВД Исходная кривая Усеченная Продолжительность исследования, мин 7459 1770 Степень восстановления давления, % 99,7 96,7 Безразмерный диагностический признак d 2,82 2,64 сокращенных данных визуально одинаковое совмещение расчетной и фактической КВД достигается при использовании различных интерпретационных моделей, которые, в свою очередь, приводят к получению весьма отличающихся результатов, особенно в значении скин-фактора. То есть сокращение продолжительности исследования, приводящее к исключению заключительных информативных участков на графике КВД, способствует значительным неопределенностям в выборе интерпретационных моделей и ошибкам определения результирующих параметров, особенно величины скин-фактора. В связи с этим целесообразно использовать принципиально иные критерии, характеризующие гидродинамическое состояние прискважинных зон пластов, например, безразмерный диагностический признак d, определяемый при обработке кривых восстановления давления методом детерминированных моментов давления. В соответствии с алгоритмами [22] метода состояние ПЗП считается ухудшенным, если величина безразмерного диагностического признака d > 2,5. В работах [23, 24] показано, что даже при обработке недовосстановленных КВД величина d определяется достаточно устойчиво. Данный вывод продемонстрирован на примере результатов обработки данных, использованных в настоящей статье ранее при сравнительном анализе скин-факторов. Необходимо отметить, что, в отличие от метода касательной и алгоритмов ПО KAPPA Workstation (модуль Saphir), метод детерминированных моментов не позволяет оценивать напрямую проницаемость удаленной зоны пласта, в связи с этим к анализу приняты только значения безразмерного диагностического признака d, характеризующие состояние ПЗП (табл. 3). Как следует из представленных в табл. 3 данных, значения d, определенные при обработке полной и сокращенной КВД, соответствуют одному диапазону, характеризующему состояние ПЗП как ухудшенное. Таким образом, применительно к рассматриваемым данным можно сделать вывод о том, что значительное сокращение продолжительности исследования скважины не приведет к ошибкам в оценке состояния ПЗП, если в качестве соответствующего инструмента использовать метод детерминированных моментов давления. Следует отметить, что алгоритм метода детерминированных моментов не предполагает использование большого количества исходных данных: для определения числового значения параметра d не требуется дополнительной информации, кроме непосредственно данных скважинных измерений (время и давление). В то же время при определении величины скин-фактора необходимо использовать также большое количество геолого-технологических параметров, таких как дебит скважины, толщина работающей части пласта (формирующей КВД), вязкость нефти и др., что повышает вероятность получения недостоверных оценок состояния ПЗП. Недостатком метода детерминированных моментов давления следует считать низкую его апробированность и незначительное количество исследований, посвященных оценке достоверности его результатов. Также необходимо отметить, что алгоритм применения метода достаточно трудозатратен, для его массового применения требуется специальная программная реализация. Учитывая вышеизложенное, настоящее исследование посвящено оценке достоверности применения метода детерминированных моментов давления при оценке гидродинамического состояния ПЗП в карбонатных коллекторах. При этом решать поставленную задачу целесообразно в сопоставлении с апробированными подходами к оценке состояния прискважинных зон, основанными на определении величины скин-фактора методом касательной в ПО KAPPA Workstation (модуль Saphir). Методы и методология Для решения основной цели исследования используется математический инструмент, неоднократно апробированный при верификации различных геолого-промысловых данных - множественный регрессионный анализ [25-30]. Исследование заключается в построении серии многомерных статистических моделей, прогнозируемым параметром (зависимым признаком) в которых выступает дебит скважины, а независимыми признаками - комплекс геолого-технологических показателей, в том числе верифицируемые параметры, которые, вероятно, формируют прогнозируемую величину. Вывод о достоверности верифицируемого параметра получают на основании факта его включения в многомерную статистическую модель на максимально раннем шаге. Подробно данный принцип верификации рассмотрен в работах [31, 32]. В рамках настоящего исследования построены три многомерных статистических моделей с использованием таких характеристик ПЗП, как скин-фактор, определенный при обработке КВД в ПО Kappa Workstation (модуль Saphir), - S S; скин-фактор, определенный при обработке КВД графоаналитическим методом касательной, - S МК, а также с применением безразмерного диагностического признака d. Помимо указанных параметров, в качестве исходных данных использован также комплекс следующих показателей: · толщина пласта h (м); · пластовое давление Рпл (МПа); · забойное давление Рзаб (МПа); · обводненность W (%); · коэффициент проницаемости k (мД); · газовый фактор Г (м3/т). Указанные параметры выбраны, исходя из предположения их вероятного влияния на величину дебита скважин в совокупности с характеристиками призабойной зоны пласта, а также наличия верифицированных значений их величин на период, соответствующий дате остановки скважины на исследование. Исходные данные приняты по результатам ГДИ скважин одного из месторождений севера Пермского края (залежь нефти в сложнопостроенных карбонатах турнейско-фаменского возраста), а количество данных соответствует объему выполненных на объекте исследований и составляет n = 83. Первая многомерная модель построена с использованием геолого-промысловых показателей и величины S S; вторая - то же с величиной S МК, при построении третьей модели используется показатель d. Для каждой модели приводятся диапазоны применимости и рассчитываются статистические оценки, на основании которых сравниваются их прогностические способности. Для числовой оценки вклада каждого показателя в результирующую работоспособность модели на каждом шаге ее формирования рассчитывается текущее значение коэффициента детерминации. Предлагается считать достоверным показатель состояния ПЗП, использованный в модели с наиболее высокими статистическими оценками. При равных оценках наиболее достоверен тот показатель, который включен в модель на раннем шаге. Результаты Серия многомерных статистических моделей дебитов жидкости, построенных с целью сравнительной оценки достоверности параметров, характеризующих призабойные зоны, приведена ниже. Модель, построенная с использованием геолого-технологических показателей и параметра S S, имеет вид: QжМ1 = 3,218Рзаб + 0,028k + + 0,218W - 6,724h + 2,487. (1) Статистические оценки модели имеют следующие значения: коэффициент детерминации R = 0,802, уровень значимости p < 0,0001, стандартная ошибка расчета 14,8 м3/сут. Формирование модели (1) происходило в последовательности, приведенной в уравнении регрессии. Значения коэффициентов R, описывающих силу статистических связей, изменялись следующим образом: 0,745; 0,784; 0,796; 0,802. Модель (1) характеризуется границами применимости, представленными в табл. 4. Таблица 4 Диапазоны применимости модели (1) Показатель Диапазон применения Показатель Диапазон применения Рзаб, МПа 1,92-18,05 W, % 11,0-60,0 k, мД 0,631-2883,5 h, м 2,8-31 Модель, построенная с использованием геолого-технологических показателей и параметра SМК, имеет вид: QжМ2 = 6,005Рзаб + 0,016k + + 0,012В - 0,684SМК + 8,597 (2) при R = 0,805, p < 0,0001, стандартная ошибка - 16,6 м3/сут. Формирование модели происходило в последовательности, приведенной в уравнении регрессии. Значения коэффициентов R, описывающих силу статистических связей, изменялись следующим образом: 0,722; 0,777,0,794; 0805. Диапазоны значений показателей, при которых модель (1) может быть применима, представлены в табл. 5. Таблица 5 Диапазоны применимости модели (2) Показатель Диапазон применения Показатель Диапазон применения Рзаб, МПа 1,92-18,05 В, % 11,0-60,0 k, мД 0,631-2883,5 SМК -7,39… +38,8 Модель, построенная с использованием геолого-технологических показателей и параметра d, имеет вид: QжМ3 = 1,745Рзаб + 0,076k + 20,438d + + 0,101W - 1,612h + 1,761 (3) при R = 0,882, p < 0,0001, стандартная ошибка - 6,6 м3/сут. Формирование модели происходило в последовательности, приведенной в уравнении регрессии. Значения коэффициентов R, описывающих силу статистических связей, изменялись следующим образом: 0,714, 0,820; 0,840; 0,858; 0,882. Данная формула может быть использована при значениях показателей, приведенных в табл. 6. Таблица 6 Диапазоны применимости модели (3) Показатель Диапазон применения Показатель Диапазон применения Рзаб, МПа 1,92-18,05 W, % 11,0-60,0 k, мД 0,631-2883,5 h, м 2,8-31 d, б/р 1,77-4,0 Высокие статистические оценки модели (3), а также факт включения в ее состав на третьем шаге показателя d позволяют сделать вывод о возможности Рис. 3. Корреляционные поля между фактическими и рассчитанными дебитами его использования при оценке состояния ПЗП в рассматриваемых условиях сложнопостроенных карбонатных коллекторов. Дополнительное исследование построенных статистических моделей выполнено при анализе корреляционных полей, сопоставляющих фактические и рассчитанные по моделям (1)-(3) дебиты (рис. 3). Обсуждение Основной целью настоящих исследований является сравнительная оценка достоверности характеристик прискважинных зон продуктивных пластов, представленных низкопроницаемыми сложнопостроенными карбонатными коллекторами. Для рассматриваемых условий характерна высокая продолжительность процесса восстановления давления при исследовании скважин [33-37]. Как следствие, нередкой является ситуация, когда в ходе исследования давление на забое скважины не восстанавливается полностью до величины пластового. На примере одной скважины продемонстрирована справедливость отмеченного в научной литературе вывода, что обработка недовосстановленных КВД приводит к существенным ошибкам в определении фильтрационных характеристик зон дренирования, в том числе ПЗП. При этом следует отметить, что ошибками в определении скин-фактора при обработке недовосстановленных КВД характеризуется как распространенный графоаналитический метод касательной, так и современных подход, заключающийся в анализе графика производной давления в билогарифмических координатах [38-42]. Для интерпретации кривых восстановления давления скважин, эксплуатирующих низкопроницаемые карбонатные коллектора, следует использовать альтернативные методы с целью получения числовых характеристик прискважинных зон, например метод детерминированных моментов давления [43-45]. Помимо возможности применения для обработки недовосстановленных КВД, метод детерминированных моментов характеризуется рядом дополнительных преимуществ, например, отсутствием в перечне исходных данных каких-либо других геолого-технологических показателей (дебита скважин, толщины пласта, вязкости нефти и т.п.). Однако рекомендации по практическому применению метода должны основываться на детальном исследовании достоверности в индивидуальных геолого-физических условиях. В настоящем исследовании с этой целью использован подход, ранее успешно апробированный для решения схожих задач нефтяного инжиниринга - множественный регрессионный анализ. Все кривые восстановления давления скважин добывающего фонда интерпретированы методом касательной с определением скин-фактора, в ПК Saphir, а также методом детерминированных моментов давления с получением в том числе характеристик состояния ПЗП. Результаты интерпретации дополнены комплексом геолого-технологических показателей и использованы как независимые переменные при построении многомерных статистических моделей. Прогнозируемым параметром является дебит скважин по жидкости, поскольку выбранные независимые переменные, вероятно, оказывают влияние на его величину. В результате построены многомерные статистические модели дебита по трем вариантам. В первом варианте использованы результаты интерпретации КВД в ПО KAPPA Workstation (модуль Saphir) во втором - методом касательной, в третьем - методом детерминированных моментов давления. При анализе построенных моделей получен ряд важных выводов. Во-первых, все построенные модели характеризуются высокими статистическими оценками, что позволяет рекомендовать их к использованию не только с целью верификации геолого-технологических показателей, но и непосредственно для прогностических задач. Во-вторых, включение в каждую модель на первом шаге забойного давления свидетельствует о выраженном влиянии данного показателя на дебит жидкости и важность его контроля при мониторинге эксплуатации скважин. Многомерная статистическая модель (1), построенная при использовании результатов интерпретации КВД в ПО KAPPA Workstation (модуль Saphir), характеризуется высокими оценками, но ни в одним из шагов в ее состав не входит величина скин-фактора. Соответственно, для условий рассматриваемого месторождения данный параметр не контролирует приток жидкости к скважинам. Причины данного явления целесообразно изучить в рамках отдельного исследования. Скин-фактор, определенный по методу касательной, в совокупности с комплексом остальных параметров влияет на формирование дебитов скважин, о чем свидетельствует факт его включения в модель на четвертом шаге. Однако необходимо отметить, что дебит косвенно участвует в определении скин-фактора при обработке КВД методом касательной, то есть параметры не являются в полной мере независимыми, а включение скин-фактора в статистическую модель может быть также объяснено указанным фактом. Безразмерный диагностический признак d определяется без участия дебита скважины и каких-либо других дополнительных параметров, то есть является в полной мере независимым признаком статистического моделирования. Соответственно, его включение на третьем шаге в модель (3) указывает на наличие связи между параметрами и подчеркивает целесообразность использования показателя для оценки состояния призабойных зон низкопроницаемых карбонатных коллекторов. Также необходимо отметить, что все построенные статистические модели характеризуются высокими статистическим оценками. Данный вывод подтверждается при анализе корреляционных полей, на которых точки группируются достаточно тесно и равномерно на всем рассматриваемом диапазоне. Как следствие, построенные модели рекомендуется использовать не только при решении верификационной задачи, как в настоящей статье, но и для непосредственного прогнозирования притока жидкости в скважину. В целом используемый подход по оценке достоверности характеристик призабойной зоны пласта позволяет учесть их влияние на процессы фильтрации в комплексе с другими факторами, что дает возможность обоснованно рекомендовать его к тиражированию для решения схожих задач при невозможности верификации параметра посредством сопоставления с фактически определенной (измеренной) величиной. Заключение В условиях низкопроницаемых карбонатных коллекторов материалы гидродинамических исследований скважин зачастую характеризуются недостаточной степенью восстановления забойного давления до величины пластового. В условиях неполного восстановления давления оценка состояния ПЗП по величине скинфактора зачастую характеризуется недостаточной достоверностью. В таких условиях целесообразно использовать другие методы интерпретации, например детерминированных моментов давления, который сводится к определению безразмерного диагностического признака d. Недостаточная распространенность метода детерминированных моментов давления в практике интерпретации ГДИ обусловливает необходимость проведения исследований по оценке его достоверности для индивидуальных условий отдельных месторождений. Используемый в настоящей работе подход, основанный на применении множественного регрессионного анализа, продемонстрировал достоверность метода детерминированных моментов давления для оценки состояния призабойных зон продуктивных пластов для геолого-физических условий турнейско-фаменской залежи одного из месторождений севера Пермского края.

Об авторах

В. И. Черных

Пермский национальный исследовательский политехнический университет

В. И. Галкин

Пермский национальный исследовательский политехнический университет

И. Н. Пономарева

Пермский национальный исследовательский политехнический университет

Д. А. Мартюшев

Пермский национальный исследовательский политехнический университет

Список литературы

  1. Гасанов, Р.А. Способы улучшения фильтрационных свойств призабойной зоны скважины / Р.А. Гасанов, Дж.Р. Гасымова // Горный журнал. - 2021. - № 10. - С. 76-80. doi: 10.17580/gzh.2021.10.09
  2. A physics-guided eXtreme gradient boosting model for predicting the initial productivity of oil wells / Y. Dong, L. Song, Q. Zhao, Z. Ding, L. Qiu, C. Lu, G. Chen // Geoenergy Science and Engineering. - 2023. - Vol. 231. - Article 212402. doi: 10.1016/j.geoen.2023.212402
  3. Developing features of the near-bottomhole zones in productive formations at fields with high gas saturation of formation oil / V.I. Galkin, D.A. Martyushev, I.N. Ponomareva, I.A. Chernykh // Journal of Mining Institute. - 2021. - V. 249. - P. 386-392. doi: 10.31897/PMI.2021.3.7
  4. Kumar A. Simultaneous inversion of permeability, skin and boundary from pressure transient test data in three-dimensional single well reservoir model / A. Kumar, L. Liang, K. Ojha // Petroleum Research. - 2024. - Vol. 9, iss. 2. - P. 265-272. doi: 10.1016/j.ptlrs.2024.01.004
  5. Оценка качества первичного, вторичного вскрытия пластов и освоения скважины по результатам гидродинамических исследований / В.А. Иктисанов, Н.Х. Мусабирова, А.В. Байгушев, М.Х. Билалов, Ф.Ф. Ахмадишин // Нефтяное хозяйство. - 2020. - № 7. - С. 33-35. doi: 10.24887/0028-2448-2020-7-33-35
  6. Numerical simulation of skin factors for perforated wells with crushed zone and drilling-fluid damage in tight gas reservoirs / Z. Zhang, J. Guo, H. Liang, Y. Liu // Journal of Natural Gas Science and Engineering. - 2024. - Vol. 90. - Article 103907. doi: 10.1016/j.jngse.2021.103907
  7. ES-MDA applied to estimate skin zone properties from injectivity tests data in multilayer reservoirs / T.M.D. Silva, R.V. Bela, S. Pesco, A. Barreto // Computers & Geosciences. - 2021. - Vol. 146. - Article 104635. doi: 10.1016/j.cageo.2020.104635
  8. Assisted history matching and graphical methods for estimating individual layer properties from well testing data in stratified reservoirs with multilateral wells / R.V. Bela, S. Pesco, A.B. Barreto, M. Onur // Journal of Petroleum Science and Engineering. - 2022. - Vol. 208. - Article 109326. doi: 10.1016/j.petrol.2021.109326
  9. Иктисанов, В.А. К вопросу об отрицательном скин-факторе / В.А. Иктисанов // Нефтяное хозяйство. - 2020. - № 12. - С. 101-105. doi: 10.24887/0028-2448-2020-12-101-105
  10. Свалов, А.М. Особенности кривых притока и восстановления давления в трещиновато-пористых коллекторах / А.М. Свалов // Инженерно-физический журнал. - 2021. - Т. 94, № 2. - С. 393-399.
  11. A new numerical well test method of multi-scale discrete fractured tight sandstone gas reservoirs and its application in the Kelasu Gas Field of the Tarim Basin / H. Sun, W. Ouyang, S. Zhu, Y. Wan, Y. Tang, W. Cao // Natural Gas Industry B. - 2023. - Vol. 10, iss. 2. - P. 103-113. doi: 10.1016/j.ngib.2023.01.003
  12. Analytical well-test model for hydraulicly fractured wells with multiwell interference in double porosity gas reservoirs / C. Wei, Y. Liu, Y. Deng, S. Cheng, H. Hassanzadeh // Journal of Natural Gas Science and Engineering. - 2022. - Vol. 103. - Article 104624. doi: 10.1016/j.jngse.2022.104624
  13. Quantification of the effect of fracturing on heterogeneity and reservoir quality of deep-water carbonate reservoirs / O.K. Mohammed-Sajed, P.W.J. Glover, M.A. Alrashedi, R.E.Ll Collier // Journal of African Earth Sciences. - 2024. - Vol. 218. - Article 105383. doi: 10.1016/j.jafrearsci.2024.105383
  14. Understanding the Mechanism of Hydraulic Fracturing in Naturally Fractured Carbonate Reservoirs: Microseismic Monitoring and Well Testing / D.A. Martyushev, Y. Yang, Y. Kazemzadeh, D. Wang, Y. Li // Arabian Journal for Science and Engineering. - 2024. - Vol. 49(6). - P. 8573-8586. doi: 10.1007/s13369-023-08513-1
  15. Application of deep learning on well-test interpretation for identifying pressure behavior and characterizing reservoirs / P. Dong, Z. Chen, X. Liao, W. Yu // Journal of Petroleum Science and Engineering. - 2022. - Vol. 208. - Article 109264. doi: 10.1016/j.petrol.2021.109264
  16. Chen, Z. A workflow of fracture geometry diagnostics of unconventional wells with complex fracture networks coupling fracture mapping and well testing / Z. Chen, X. Liao // Journal of Petroleum Science and Engineering. - 2022. - Vol. 208. - Article 109310. doi: 10.1016/j.petrol.2021.109310
  17. Reznikov, I. Model-based interpretation of bottomhole pressure records during matrix treatments in layered formations / I. Reznikov, D. Abdrazakov, D. Chuprakov // Petroleum Science. - 2024. doi: 10.1016/j.petsci.2024.05.027
  18. Application of fuzzy comprehensive evaluation method to assess effect of conformance control treatments on water-injection wells / H. Jia, P. Li, W. Lv, J. Ren, C. Cheng, R. Zhang, Z. Zhou, Y. Liang // Petroleum. - 2024. - Vol. 10, iss. 1. - P. 165-174. doi: 10.1016/j.petlm.2022.04.006
  19. Wang, H. Pore pressure prediction based on rock physics theory and its application in seismic inversion / H. Wang, J. Ma, L. Li // Journal of Applied Geophysics. - 2024. - Vol. 229. - Article 105494. doi: 10.1016/j.jappgeo.2024.105494
  20. Soromotin, A.V. Prediction of Hydrodynamic Parameters of the State of the Bottomhole Zone of Wells Using Machine Learning Methods / A.V. Soromotin, D.A. Martyushev, A.A. Melekhin // Georesursy. - 2024. - Vol. 26(1). - P. 109-117. doi: 10.18599/grs.2024.1.9
  21. Yamkin, M.A. Machine learning methods for selectingcandidate wells for bottomhole formation zone treatment / M.A. Yamkin, E.U. Safiullina, A.V. Yamkin // Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering. - 2024. - Vol. 335. - Iss. 5. - P. 7-16. doi: 10.18799/24131830/2024/5/4428
  22. Пономарева, И.Н. К обработке кривых восстановления давления низкопродуктивных скважин / И.Н. Пономарева // Нефтяное хозяйство. - 2010. - № 6. - С. 78-79.
  23. Ерофеев, А.А. Оценка условий применения методов обработки кривых восстановления давления скважин в карбонатных коллекторах / А.А. Ерофеев, И.Н. Пономарева, М.С. Турбаков // Инженер-нефтяник. - 2011. - № 3. - С. 12-15.
  24. Ерофеев, А.А. Особенности обработки кривых восстановления давления в скважинах, эксплуатирующих залежи высоковязких нефтей в карбонатных коллекторах / А.А. Ерофеев, И.Н. Пономарева, В.А. Мордвинов // Нефтяное хозяйство. - 2010. - № 10. - С. 113-115.
  25. Multivariate analysis and forecasting of the crude oil prices: Part I - Classical machine learning approaches / N. Jha, H.K. Tanneru, S. Palla, I.H. Mafat // Energy. - 2024. - Vol. 296. - Article 131185. doi: 10.1016/j.energy.2024.131185
  26. Forecasting oil production in unconventional reservoirs using long short term memory network coupled support vector regression method: A case study / S. Wen, B. Wei, J. You, Y. He, J. Xin, M.A. Varfolomeev // Petroleum. - 2023. - Vol. 9. - Iss. 4. - P. 647-657. doi: 10.1016/j.petlm.2023.05.004
  27. Expertise-informed Bayesian convolutional neural network for oil production forecasting /j. Zang, J. Wang, K. Zhang, E.-S. M. El-Alfy, J. Mańdziuk // Geoenergy Science and Engineering. - 2024. - Vol. 240. - Article 213061. doi: 10.1016/j.geoen.2024.213061
  28. Ponomareva, I.N. A new approach to predict the formation pressure using multiple regression analysis: Case study from Sukharev oil field reservoir - Russia. / I.N. Ponomareva, D.A. Martyushev, S.K. Govindarajan // Journal of King University - Engineering Sciences. - 2022. doi: 10.1016/j.jksues.2022.03.005
  29. Productivity Prediction Model of Perforated Horizontal Well Based on Permeability Calculation in Near-Well High Permeability Reservoir Area / S. Zhang, K. Guo, X. Gao, H. Yang, J. Zhang, X. Han // Energy Engineering. - 2023. - Vol. 121. - Iss. 1. - P. 59-75. doi: 10.32604/ee.2023.041709
  30. A new predrilling reservoir permeability prediction model and its application / G. Chen, Y. Meng, J. Huan, Y. Wang, L. Xiao, L. Zhang, D. Feng // Journal of Petroleum Science and Engineering. - 2022. - Vol. 210. - Article 110086. doi: 10.1016/j.petrol.2021.110086
  31. Martyushev, D.A. Adaptation of transient well test results / D.A. Martyushev, I.N. Ponomareva, W. Shen // Journal of Mining Institute. - 2023. - Vol. 264. - P. 919-925.
  32. Martyushev, D.A. Conditions for effective application of the decline curve analysis method / D.A. Martyushev, I.N. Ponomareva, V.I. Galkin // Energies. - 2021. - Vol. 14(20). - Article 6461. doi: 10.3390/en14206461
  33. Li, Q. Fluid identification in fractured media with genetic algorithm / Q. Li, X. Yang, H. Wang // Journal of Applied Geophysics. - 2024. - Vol. 227. - Article 105409. doi: 10.1016/j.jappgeo.2024.105409
  34. High-pressure capacity expansion and water injection mechanism and indicator curve model for fractured-vuggy carbonate reservoirs / L. Chen, C. Jia, R. Zhang, P. Yue, X. Jiang, J. Wang, Z. Su, Y. Xiao, Y. Lv // Petroleum. - 2024. - Vol. 10. - Iss. 3. - P. 511-519. doi: 10.1016/j.petlm.2024.01.001
  35. Martyushev, D.A.Interporosity Flow Between Matrix and Fractures in Carbonates: A Study of its Impact on Oil Production / D.A. Martyushev, I.N. Ponomareva, S. Davoodi, A. Kadkhodaie // Arabian Journal for Science and Engineering. - 2024. doi: 10.1007/s13369-024-09533-1
  36. Otchere, D.A. Fundamental error in tree-based machine learning model selection for reservoir characterization / D.A. Otchere // Energy Geoscience. - 2024. - Vol. 5, iss. 2. - Article 100229. doi: 10.1016/j.engeos.2023.100229
  37. Fracture identification of carbonate reservoirs by deep forest model: An example from the D oilfield in Zagros Basin / C. Ji, S. Dong, L. Zeng, Y. Liu, J. Hao, Z. Yang // Energy Geoscience. - 2024. - Vol. 5, iss. 3. - Article 100300. doi: 10.1016/j.engeos.2024.100300
  38. Пономарева, И.Н. Условия применения скин-фактора для оценки состояния прискважинных зон продуктивных пластов / И.Н. Пономарева, М.Б. Савчик, А.А. Ерофеев // Нефтяное хозяйство. - 2011. - № 7. - С. 114-115.
  39. Integrated rock physics characterization of unconventional shale reservoir: A multidisciplinary perspective / L. Zhao, Y. Zhao, D. Yan, J. Zhu, J. Cai // Advances in Geo-Energy Research. - 2024. - Vol. 14(2). - P. 86-89. doi: 10.46690/ager.2024.11.02
  40. Research status and application of artificial intelligence large models in the oil and gas industry / H. LIU, Y. REN, X. LI [et al.] // Petroleum Exploration and Development. - 2024. - Vol. 51, iss. 4. - P.1049-1065. doi: 10.1016/S1876-3804(24)60524-0
  41. Regression analysis and its application to oil and gas exploration: A case study of hydrocarbon loss recovery and porosity prediction, China / Y. Li, X. Li, M. Guo, C. Chen, P. Ni, Z. Huang // Energy Geoscience. - 2024. - Vol. 5, iss. 4. - Article 100333. doi: 10.1016/j.engeos.2024.100333
  42. The effect of fracture networks on the vertical permeability of a tight carbonate reservoir analogue: laminites from the Crato Formation, NE Brazil / M.L. Alencar, T.S. de Miranda, O.J.C. Filho [et al.] // Marine and Petroleum Geology. - 2024. - Vol. 162. - Article 106735. doi: 10.1016/j.marpetgeo.2024.106735
  43. Permeability prediction of heterogeneous carbonate gas condensate reservoirs applying group method of data handling / M. Z. Kamali, S. Davoodi, H. Ghorbani [et al.] // Marine and Petroleum Geology. - 2022. - Vol. 139. - Article 105597. doi: 10.1016/j.marpetgeo.2022.105597
  44. The effect of fracturing on permeability in carbonate reservoir rocks / F. Rashid, D. Hussein, P. Lorinczi, P.W.J. Glover // Marine and Petroleum Geology. - 2023. - Vol. 152. - Article 106240. doi: 10.1016/j.marpetgeo.2023.106240
  45. Bridging the gap: Integrating static and dynamic data for improved permeability modeling and super k zone detection in vuggy reservoirs /j.C.R. Gavidia, SM. Mohammadizadeh, G.F. Chinelatto [et al.] // Geoenergy Science and Engineering. - 2024. - Vol. 241. - Article 213152. doi: 10.1016/j.geoen.2024.213152

Статистика

Просмотры

Аннотация - 20

PDF (Russian) - 8

PDF (English) - 10

Ссылки

  • Ссылки не определены.

© Черных В.И., Галкин В.И., Пономарева И.Н., Мартюшев Д.А., 2024

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах