The object of research, development or design (in Russian) : Разработка практического инструмента на основе анализа данных и физических процессов для обеспечения устойчивости ствола скважин.

The object of research, development or design (in Kazakh) : Ұңғыманың тұрақтылығын қамтамасыз ету үшін деректерді талдау және физикалық процестерге негізделген практикалық құралды әзірлеу

Aim of work (in Russian) : Целью проекта является разработка надежного практического метода прогнозирования разрушения горных пород на основе подхода машинного обучения и моделирования поведения материалов, который можно использовать как для быстрых расчетов на буровой площадке, так и для более подробных предварительных прогнозов.

Aim of work (in Kazakh) : Ұңғыма учаскесінде жылдам есептеулер үшін де, алдын ала кешенді болжамдар үшін де пайдалануға болатын машиналық оқыту және материалдың мінез-құлқын модельдеу тәсіліне негізделген ұңғыманың тау жыныстарының бұзылуын болжаудың сенімді практикалық әдісін әзірлеу.

Методы исследования (на русском) : - Проведение геомеханические испытания на керновые образцы из слабых песчаников. - Разработка и адаптация алгоритма машинного обучения (МО) для определения поведения материала при разрыве горных пород казахстанских месторождений. - Разработка и верификация механизма для прогноза разрывов горных пород вокруг ствола скважины на основе механических свойств породы и принципов машинного обучения.

Методы исследования (на казахском) : - Әлсіз құмтас керн үлгілеріне геомеханикалық сынақтар жүргізу. - Қазақстандық жағдайлар үшін материалдық ақаулық әрекеттерінің машиналық оқыту (ML) алгоритмін әзірлеу және/немесе бейімдеу. - Машиналық оқыту және материалды мінез-құлық тәсілі негізінде ұңғымаларды болжау төңірегінде материалды бұзу құралын әзірлеу және тексеру.

Obtained results and novelty (in Russian) : В ходе проекта был достигнут значительные результаты за счёт приобретения ключевого оборудования, такого как аппарат для трёхосного сжатия, а также сбора образцов керна и полевых данных с нефтяных месторождений Восточный Молдабек, Жанаталап и Каражанбас. Эти данные предоставили ценную информацию о параметрах резервуара, поведении добычи и закономерностях выноса песка, что стало основой для дальнейшего геомеханического анализа и приложений машинного обучения (МО). В исследовании были изучены различные методы МО, включая искусственные нейронные сети (ANN), машины опорных векторов (SVM) и случайные леса (RF). Эти методы показали свою эффективность в прогнозировании выноса песка и производительности скважин. Лабораторные эксперименты воспроизводили условия месторождений для наблюдения за механическими свойствами пород, а испытания на напряжение и деформацию позволили выявить ключевые фазы деформации. Проект также подчеркивал, что добавление дополнительных данных может создавать шум, что подчёркивает важность оптимизации входных переменных. В целом, интеграция методов МО и экспериментальных данных стала прочной основой для улучшения прогнозирования выноса песка и оптимизации устойчивости ствола скважины в будущих исследованиях. Научная новизна проекта заключается в разработке надёжного инструмента, основанного на алгоритмах машинного обучения, для прогнозирования недоступных точек данных.

Obtained results and novelty (in Kazakh) : Жоба барысында үш осьті қысу аппараты сияқты негізгі жабдықтарды сатып алу, сондай-ақ Шығыс Молдабек, Жанаталап және Қаражанбас мұнай кен орындарынан керн үлгілерін және дала деректерін жинау арқылы елеулі жетістікке қол жеткізілді. Бұл деректер кен орнының параметрлері, өндіру процесінің динамикасы және құмның шығарылу заңдылықтары туралы құнды ақпарат беріп, әрі қарайғы геомеханикалық талдау мен машиналық оқыту (МО) әдістерін қолдану үшін негіз болды. Зерттеуде жасанды нейрондық желілер (ANN), тірек вектор машиналары (SVM) және кездейсоқ ормандар (RF) сияқты әртүрлі МО әдістері зерттелді. Бұл әдістер құмның шығарылуын және ұңғымалардың өнімділігін болжауда тиімділігін көрсетті. Лабораториялық тәжірибелер дала жағдайларын қайталап, тау жыныстарының механикалық қасиеттерін бақылауға мүмкіндік берді, ал кернеу мен деформацияны сынау деформацияның негізгі кезеңдерін анықтады. Жоба қосымша деректердің шу тудыруы мүмкін екенін атап өтті, бұл кіріс айнымалыларын мұқият оңтайландырудың маңыздылығын көрсетеді. Жалпы, МО әдістері мен эксперименттік талдауды біріктіру құм шығаруды болжау және ұңғыма стволының тұрақтылығын оңтайландыру үшін мықты негіз қалады. Жобаның ғылыми жаңалығы – қол жетпейтін деректер нүктелерін болжау үшін машиналық оқыту алгоритмдерін қамтитын сенімді құралдың ұсынылуында.

The main constructive and technical economic indicators (in Russian) : В рамках проекта были рассмотрены основные конструктивные решения и технико-экономические показатели для разработки моделей, позволяющих снизить риск выноса песка и увеличить срок службы ствола скважин. Важными технико-экономическими параметрами были: - Снижение операционных расходов за счёт оптимизации скважинных параметров и применения методов МО. - Улучшение эффективности прогнозирования на основе данных из полевых и лабораторных испытаний. - Оптимизация процесса прогнозирования выноса песка, что привело к увеличению производительности и снижению простоев оборудования.

The main constructive and technical economic indicators (in Kazakh) : Жоба аясында құм шығаруды азайтып, ұңғымалар стволының қызмет мерзімін арттыруға мүмкіндік беретін модельдерді әзірлеуге арналған негізгі құрылымдық шешімдер мен техникалық-экономикалық көрсеткіштер қарастырылды. Маңызды техникалық-экономикалық параметрлер: - Ұңғыма параметрлерін оңтайландыру және МО әдістерін қолдану арқылы операциялық шығындарды азайту. - Дала және лабораториялық сынақтардан алынған деректер негізінде болжау тиімділігін арттыру. - Құм шығаруды болжау процесін оңтайландыру өндіріс тиімділігін арттырып, жабдықтың тоқтап қалуын азайтты.

Level of implementation (in Russian) : не внедрено

Level of implementation (in Kazakh) : орнатылмаған

Efficiency (in Russian) : Эффективность предложенной модели прогнозирования разрушения горных пород с использованием машинного обучения составляет около 85%, что подтверждается результатами полевых экспериментов и лабораторных испытаний. Этот подход показал высокую точность в прогнозировании выноса песка и производительности скважин.

Efficiency (in Kazakh) : Ұсынылған тау жыныстарының бұзылуын болжау моделі машиналық оқыту қолдану арқылы тиімділігі шамамен 85%-ды құрайды, бұл далалық тәжірибелер мен зертханалық сынақтардың нәтижелерімен расталады. Бұл әдіс құм шығаруды және ұңғыма өнімділігін болжауда жоғары дәлдікті көрсетті.

Field of application (in Russian) : во время прогнозирования пескопроявления на нефтяных месторождениях

Field of application (in Kazakh) : Мұнай кен орындарында құмның шығуын болжауда