FAIR data

Ключовою проблемою в пошуках нафтогазових родовищ є здатність прогнозувати ключові петрофізичні властивості, такі як пористість, проникність та ін. Поряд із традиційним регресійним аналізом, все більшого поширення набувають нейромережеві та технології глибинного навчання. Всі вони потребують перевірки ефективності петрофізичної моделі, тобто здатність правильно та із найменшими похибками передбачати шукану величину за обраними сукупностями незалежних петрофізичних даних.

Об’єктом вивчення представленої статті «Практичний зміст елементів петрофізичної моделі теригенних пісковиків-колекторів нафти і газу в методах нейронних мереж, глибинного навчання та регресії» виступали зразки пісковиків глибоких горизонтів (інтервал 4931—5879 м) із 14-ти свердловин перспективних формацій північно-західної частини Дніпрово-Донецької западини (Бакумівська, Зорківська, Волошківська, Комишнянська, Червонозаводська, Луценківська, Пісківська та Червонолуцька площі). Незалежними пошуковими ознаками виступали 9 родин геолого-петрофізичних характеристик, для яких отримано ефективні апроксимації множинної регресії, а також встановлена їх інформативна вага.

A key problem in the search for oil and gas deposits is the ability to predict key petrophysical properties, such as porosity, permeability, etc. Along with traditional regression analysis, neural network and deep learning technologies are becoming increasingly widespread. All of them require verification of the effectiveness of the petrophysical model, that is, the ability to correctly and with the smallest errors predict the desired value from selected sets of independent petrophysical data.

The object of study of the presented article «Practical meaning of the elements of the petrophysical model of terrigenous sandstones-reservoirs of oil and gas with the methods of neuron networks, deep learning and regression» were samples of sandstones of deep horizons (interval 4931—5879 m) from 14 wells of promising formations of the northwestern part of the Dnieper-Donetsk depression (Bakumivska, Zorkivska, Voloshkivska, Komyshnianska, Chervonozavodska, Lutsenkivska, Piskivska and Chervonolutska areas). Independent search features were 9 families of geological and petrophysical characteristics, for which effective approximations of multiple regression were obtained, and their informative weight was also established.