MACHINE LEARNING APPLICATION FOR OIL RESERVOIR PREDICTION WITH USING GEOLOGICAL AND GEOPHYSICAL DATA

Abstract

В статье рассмотрены результаты прогноза коллекторов бобриковских терригенных отложений (С1Bb) для Красноярско-Куединского месторождения с применением машинного обучения. Целью работы является поиск зависимостей между сейсмическими атрибутами и значениями эффективных толщин с помощью современных математических алгоритмов, таких как бустинговые (AdaBoost XGBoost), случайный лес, линейные регрессии с регуляризацией (лассо, ридж, эластичная сеть) и др. (всего 15), для площадного прогноза коллекторов. В процессе работы построено более 100 математических моделей и выполнена автоматическая настройка их гиперпараметров для достижения наименьшей ошибки прогнозирования. The article is devoted to the application of various machine learning algorithms (XGBoost, Random Forest, linear regression with regularization (Lasso, Ridge, Elastic Net) and others (overall 15 algorithms) for quantitative prediction of reservoir effective thicknesses using seismic, well and core data (Krasnoyarsko-Kuedinskoe oilfield). In the course of the study, over 100 mathematical models were built, and their hyperparameters were automatically tuned to achieve optimal predictive performance.