أصبحت حفر الآبار الأفقية وسيلة هامة لشركات النفط لزيادة إنتاج البئر الواحد من النفط والغاز المكثف وغير التقليدي، ولكن نظراً لتعقيد العلاقة المكانية بين مسار البئر الأفقي والتكوينات الجيولوجية، فإن منهجيات التحليل التقليدية للآبار المستقيمة غير فعالة. إن الوصف الدقيق للعلاقة المكانية بين مسار البئر الأفقي والطبقة الهدف والركيزة الصخرية المحيطة هو المهمة الأساسية لتفسير تسجيل الآبار الأفقية. يعتمد النهج السائد على بناء نموذج أولي للتكوينات الأرضية استناداً إلى الآبار المرشدة، وضبط النموذج تدريجياً باستخدام البيانات المسجلة من الآبار، ولكن هذه الطريقة تعاني من ضعف الفعالية الزمنية وتتطلب حسابات تكرارية كثيرة لكل بئر في نفس المنطقة. لذلك، فإن بناء نموذج البئر-الأرض المناسب هو المفتاح في معالجة وتفسير بيانات تسجيل الآبار الأفقية. يمكن لنموذج البئر-الأرض أن يصف بدقة العلاقة المكانية بين مسار البئر وواجهات التكوين، بما في ذلك المسافة بين موقع البئر وواجهة التكوين، وزاوية محور البئر مع اتجاه عمودي التكوين. بالإضافة إلى ذلك، استخدمت تقنيات التعلم الآلي والذكاء الاصطناعي لتحليل بيانات تسجيل الآبار من خلال تدريب نماذج ذكية، حيث تمكن هذه التقنيات من تجاوز قيود الطرق التقليدية. بالتالي، نقترح طريقة تفسير أوتوماتيكية لبيانات تسجيل الآبار الأفقية تعتمد على تجميع عدة نماذج وشبكة عصبونية عميقة: أولاً، يتم بناء نموذج نظري يشتمل على مسارات آبار مختلفة وعلاقات التكوين، وتوليد مكتبة عينات استجابة التسجيل؛ ثم يتم دمج نماذج التعلم الآلي مثل شجرة تعزيز التدرج القصوى (XGBoost)، وآلة تعزيز التدرج الخفيفة (LightGBM)، وتعزيز التصنيف (CatBoost) عبر طبقة إدراك متعددة (MLP) لدمج نتائج التنبؤ لكل نموذج؛ وأخيراً، يتم تطبيق التعرف الذكي الأوتوماتيكي على العلاقة الهندسية بين مسار البئر والركيزة استناداً إلى البيانات الفعلية. توضح دراسة الحالة أن الطريقة تلتقط بدقة خصائص استجابة تسجيل الآبار المعقدة للأبار الأفقية، مع تحسين كبير في سرعة ودقة التفسير، مما يجعلها مناسبة لتحليل سريع لعدة آبار في بيئات جيولوجية مماثلة، مقدمة وسيلة فعالة ذكية لتفسير تسجيل الآبار الأفقية.

البئر الأفقي;تفسير التسجيل;الذكاء الاصطناعي;التعلم العميق;نمذجة التكوين