Нефтяное месторождение Маху, расположенное на северо-западе Джунгарской котловины в Синьцзяне, является одним из крупнейших конгломератных нефтяных месторождений в мире с запасами порядка миллиарда тонн. Однако физические свойства пласта низкие, а неоднородность сильная, что создает большие трудности для эффективной разработки нефтяных и газовых ресурсов. Ключ к эффективной разработке нефтегазовых ресурсов заключается в точном выявлении промышленных значимых пластов, то есть тех областей, которые обладают высокой производительностью нефти и газа и низкими затратами на разработку. В связи со сложностью оценки нефтегазовых пластов в впадине Маху в Джунгарской котловине в исследовании предложена модель прогнозирования стоимости нефтегазовых пластов на основе ансамблевого алгоритма — OGRV (значение нефтегазового резервуара). Исследование сначала глубоко проанализировало геологические особенности впадины Маху и текущее состояние нефтегазовой разведки, затем построило ансамблевый алгоритм, объединяющий случайный лес (RF), сеть с долговременной и краткосрочной памятью (LSTM) и сверточную нейронную сеть (CNN) с целью повышения точности оценки пластов и способности к обобщению. На этапе реализации с помощью системной предобработки и инженерии признаков были извлечены ключевые параметры, а с учетом экспертных знаний отрасли построены расширенные признаки, такие как коэффициент влажности углеводородов, коэффициент баланса углеводородов и коэффициент характеристик углеводородов. Кроме того, введена технология скользящего окна для отслеживания изменения признаков с глубиной, использована информация о категориях подобных скважин в качестве априорных знаний для улучшения предсказательной способности модели. В итоге, объединяя преимущества различных моделей, была построена точная и надежная алгоритмическая оценка пластов, которая эффективно выявляет промышленные ценные пласты в районе впадины Маху. На тестовом наборе показатели F1, точности и площади под кривой (AUC) составили соответственно 0.8470, 0.7725 и 0.7810. Исследование также углубленно рассмотрело объяснимость модели, стремясь разъяснить геологам механизм принятия решений модели, помогая им принимать более обоснованные решения в области нефтегазовой разведки и разработки.

прогноз пластов; впадина Маху; скользящее окно; ансамблевая модель; объяснимость