The object of research, development or design (in Russian) : Объектом исследования является применение физико-информированных нейронных сетей (PINN) и численных методов для моделирования процессов вытеснения нефти из пористой среды, учитывающего полимерное заводнение и температурные эффекты. Разработка направлена на создание адаптивных моделей, способных эффективно прогнозировать поведение пласта при различных условиях добычи, включая воздействие полимерных добавок и изменения температуры.

The object of research, development or design (in Kazakh) : Зерттеу нысаны – полимерлік су айдау және температуралық әсерлерді ескере отырып, мұнайды кеуекті ортадан ығыстыру процестерін модельдеу үшін физикалық-ақпараттандырылған нейрондық желілерді (PINN) және сандық әдістерді қолдану. Әзірлеу әртүрлі өндірістік жағдайларда, оның ішінде полимерлік қоспалардың әсері мен температура өзгерістерін ескере отырып, қабаттың процестерін тиімді болжауға қабілетті бейімделгіш модельдерді жасауға бағытталған.

Aim of work (in Russian) : Целью данного проекта является исследование применения физико-информированных нейронных сетей для моделирования вытеснения нефти с учетом полимерного заводнения и температурных эффектов.

Aim of work (in Kazakh) : Бұл жобаның мақсаты – полимерлік су айдау және температуралық әсерлерді ескере отырып, мұнайды ығыстыруды модельдеу үшін физикалық-ақпараттандырылған нейрондық желілерді қолдануды зерттеу.

Методы исследования (на русском) : В рамках выполнения данного научно-исследовательского проекта используются методы численного моделирования и физико-информированных нейронных сетей. Исследование включают разработку и тестирование архитектуры PINN для моделирования процессов вытеснения нефти с учетом полимерного заводнения и температурных эффектов, а также применение численных методов для создания базовых решений, калибровки и валидации моделей.

Методы исследования (на казахском) : Осы ғылыми-зерттеу жобасын орындау барысында сандық модельдеу және физикалық-ақпараттандырылған нейрондық желілер әдістері қолданылады. Зерттеу жұмыстары полимерлік су айдау және температуралық әсерлерді ескере отырып, мұнайды ығыстыру процестерін модельдеуге арналған PINN архитектурасын әзірлеу мен тестілеуді, сондай-ақ базалық шешімдерді құру, модельдерді калибрлеу және тексеру үшін сандық әдістерді қолдануды қамтиды.

Obtained results and novelty (in Russian) : Реализовано численное решение модели двухфазного потока в пористой среде с использованием метода итерации Якоби, обеспечивающего устойчивый расчет распределения фаз. Построен алгоритм, где сначала вычисляется давление, а затем насыщенность воды, что позволяет отслеживать фронт вытеснения и фазовую насыщенность. Проведен анализ влияния вязкости, фазовых проницаемостей и пористости на результаты моделирования, выявлена чувствительность модели к изменению параметров. Разработана архитектура физико-информированных нейронных сетей для моделирования двухфазного потока, позволяющая одновременно прогнозировать давление и насыщенность воды. Функция потерь включает граничные и начальные условия, а также невязку уравнений, что позволило учесть физические принципы задачи. Оптимизация весов сети проведена с использованием алгоритмов Adam и L-BFGS, а для обучения использованы коллокационные точки, случайно сгенерированные методом латинского гиперкуба. Проведен сравнительный анализ численного решения и PINN, выявлены их преимущества и недостатки. Метод Якоби обеспечивает высокую точность для линейных случаев, но требует значительных вычислительных затрат на сложных сетках, тогда как PINN лучше адаптируется к физическим условиям задачи, хотя нуждается в настройке гиперпараметров. Рассмотрена возможность комбинирования численного метода и PINN для повышения общей точности и стабильности решения.

Obtained results and novelty (in Kazakh) : Кеуекті ортадағы екі фазалы ағын моделінің сандық шешімі фазалық үлестірудің тұрақты есебін қамтамасыз ететін Якоби итерация әдісі арқылы жүзеге асырылды. Алдымен қысым, содан кейін судың қанықтығы есептелетін алгоритм құрастырылды, ол ығысу фронты мен фазалық қанықтылығын қадағалауға мүмкіндік береді. Тұтқырлықтың, фазалық өткізгіштіктің және кеуектіліктің модельдеу нәтижелеріне әсері талданып, модельдің параметрлердің өзгеруіне сезімталдығы анықталды. Физикалық-ақпараттандырылған нейрондық желілер архитектурасы судың қысымы мен қанықтылығын бір уақытта болжауға мүмкіндік беретін екі фазалы ағынды модельдеу үшін әзірленді. Шығын функциясына шекаралық және бастапқы шарттар, сонымен қатар есептің физикалық принциптерін есепке алуға мүмкіндік берген теңдеулердің қалдығы кірді. Желі салмақтарын оңтайландыру Adam және L-BFGS алгоритмдері арқылы жүзеге асырылды, ал оқыту үшін латин гиперкуб әдісімен кездейсоқ құрылған коллокация нүктелері пайдаланылды. Сандық шешім мен PINN салыстырмалы талдауы жүргізілді, олардың артықшылықтары мен кемшіліктері анықталды. Якоби әдісі сызықтық жағдайлар үшін жоғары дәлдікті қамтамасыз етеді, бірақ күрделі торларда айтарлықтай есептеу күш-жігерін қажет етеді, ал PINN гиперпараметрлерді баптауды қажет етсе де, мәселенің физикалық шарттарына жақсырақ бейімделген. Шешімнің жалпы дәлдігі мен тұрақтылығын жақсарту үшін сандық әдіс пен PINN біріктіру мүмкіндігі қарастырылады.

The main constructive and technical economic indicators (in Russian) : -

The main constructive and technical economic indicators (in Kazakh) : -

Level of implementation (in Russian) : Отсутствует

Level of implementation (in Kazakh) : Жоқ

Efficiency (in Russian) : Реализация численного метода и PINN в проекте обеспечивает более точное моделирование двухфазного потока в пористой среде. Использование численного метода позволяет получать высокоточные решения в линейных случаях, а применение PINN обеспечивает адаптацию к сложным физическим условиям, таким как полимерное заводнение и температурные эффекты. Полученные подходы могут быть эффективно использованы для прогнозирования поведения пласта и оптимизации параметров добычи нефти, что снижает операционные риски и затраты в промышленном применении.

Efficiency (in Kazakh) : Жобада сандық әдіс пен PINN жүзеге асыру кеуекті ортадағы екі фазалы ағынды дәлірек модельдеуді қамтамасыз етеді. Сандық әдісті қолдану сызықтық жағдайларда жоғары дәлдіктегі шешімдерді алуға мүмкіндік береді, ал PINN қолдану полимердің су басуы және температура әсерлері сияқты күрделі физикалық жағдайларға бейімделуді қамтамасыз етеді. Алынған тәсілдер пласт әрекетін болжау және мұнай өндіру параметрлерін оңтайландыру үшін тиімді пайдаланылуы мүмкін, бұл өнеркәсіптік қолданбаларда операциялық тәуекелдер мен шығындарды азайтуға көмектеседі.

Field of application (in Russian) : Областью применения являются задачи нефтедобычи, связанные с повышением эффективности вытеснения нефти из пластов, включая учет полимерного заводнения и температурных эффектов с использованием методов численного моделирования и машинного обучения. Потенциальные потребителями могут быть научно-исследовательские центры, профильные исследовательские группы и производственные компании, занимающиеся разработкой нефтяных месторождений. Результаты проекта будут полезны для специалистов в области прикладной математики и машинного обучения, предоставляя им инструменты для прогнозирования поведения пласта.

Field of application (in Kazakh) : Қолдану аймағы мұнай өндірудегі мұнайды қабаттардан тиімді ығыстыруды арттыруға бағытталған міндеттерді қамтиды, соның ішінде полимерлік су айдау және температуралық әсерлерді ескеру арқылы сандық модельдеу және машиналық оқыту әдістерін қолдану. Әлеуетті пайдаланушыларға ғылыми-зерттеу орталықтары, бейінді зерттеу топтары және мұнай кен орындарын игерумен айналысатын өндірістік компаниялар кіруі мүмкін. Жобаның нәтижелері қолданбалы математика және машиналық оқыту саласындағы мамандар үшін пайдалы болып, оларға қабаттың мінез-құлқын болжау құралдарын ұсынады.