Печать

Том 9 стр. 473-499

А.А. Гайсин, Р.Х. Низаев

 

ЭВОЛЮЦИЯ МЕТОДОВ РАСЧЁТА КОЭФФИЦИЕНТА ВЛИЯНИЯ ПРИ ОЦЕНКЕ МЕЖСКВАЖИННОЙ СВЯЗНОСТИ

 

Аннотация. В работе представлен хронологический анализ эволюции методов количественной оценки коэффициента влияния между нагнетательными и добывающими скважинами на основе обзора научной литературы. Выделены семь ключевых подходов: корреляционные методы, фильтр Калмана, вейвлет-преобразование, частотный анализ, линии тока, емкостно-резистивные модели (CRM) и нейронные сети. Показана смена парадигм от простых статистических зависимостей к физически обоснованным CRM-моделям и далее к гибридным data-driven системам. Для каждого этапа определены доминирующие подходы, факторы развития и области практического применения. Особое внимание уделено различиям в интерпретации коэффициента влияния – от статистической меры до физического параметра и обучаемого веса модели. Статья служит основой для прогнозирования дальнейших трендов и обоснованного выбора метода с учётом цели исследования, доступных данных и требуемого уровня интерпретируемости результатов.

Ключевые слова: коэффициент влияния, межскважинная связность, эволюция методов, хронология, CRM-модели, нейронные сети, data-driven подходы.

Для цитирования: Гайсин А.А., Низаев Р.Х. Эволюция методов расчёта коэффициента влияния при оценке межскважинной связности // Управление техносферой: электрон. журнал, 2026. Т.9. Вып.2. С. 473–499. DOI: 10.35634/UdSU.2026.78.97.013

СПИСОК ЛИТЕРАТУРЫ

  1. Елисеева И.И., Юзбашев М.М. Общая теория статистики: учебник / под ред. И.И. Елисеевой. 5-е изд., перераб. и доп. М.: Финансы и статистика, 2004. 656 с.
  2. Jansen F.E. Application of Wavelets to Production Data in Describing Inter-Well Relationships, SPE Annual Technical Conference and Exhibition. 1997, SPE-38876-MS.
  3. Лемешко О.В. Фильтр Калмана. Теоретические основы и практическое применение // Вестник магистратуры. 2014. № 6 (33), Т. 1. С. 5–8.
  4. Voznyuk A.S., Rykov A.I., Kotov V.S. Multi-Criteria Analysis and Optimization of Waterflood Systems in Brownfields, SPE Russian Oil and Gas Exploration and Production Technical Conference and Exhibition, October 14-16, 2014, Moscow, Russia, 2014, SPE-171229-MS. DOI 10.2118/171229-MS
  5. Андрианова А.М. [и др.] Полуаналитические модели расчета интерференции скважин на базе класса моделей CRM // Нефтяное хозяйство. 2018. № 12. С. 38 – 41.
  6. Soeriawinata T., Kelkar M. Reservoir Management Using Production Data, SPE Mid-Continent Operation: Symposiom Oklahoma City, Oklahoma, U.S.A., 28 – 31 March 1999, 1999, 6 p.
  7. Fedenczuk L., Hoffmann K. Surveying and Analyzing Injection Responses for Patterns with Horizontal Wells // SPE International Conference on Horizontal Well Technology, November 1-4, 1998, Calgary, Alberta, Canada. 1998. SPE-50430-MS. DOI 10.2118/50430-MS
  8. Panda M.N., Chopra A.K. An Integrated Approach to Estimate Well Interactions // SPE India Oil and Gas Conference and Exhibition, February 17-19, 1998, New Delhi, India. 1998. SPE-39563-MS. DOI 10.2118/39563-MS
  9. Albertoni A., Lake L.W. Inferring Interwell Connectivity Only From Well-Rate Fluctuations in Waterfloods, SPE Reservoir Evaluation & Engineering. 2003б 6, no. 1, pp. 6–16. DOI 10.2118/83381-PA.
  10. Artun E. Characterizing Reservoir Connectivity and Forecasting Waterflood Performance Using Data-Driven and Reduced-Physics Models, SPE Western Regional Meeting, May 23-26, 2016, Anchorage, Alaska, USA, 2016. SPE-180488-MS. DOI 10.2118/180488-MS.
  11. Kansao R. [et al.] Waterflood Performance Diagnosis and Optimization Using Data-Driven Predictive Analytical Techniques from Capacitance Resistance Models CRM, SPE Europec featured at 79th EAGE Conference and Exhibition, June 12-15, 2017, Paris, France, 2017. SPE-185813-MS. DOI 10.2118/185813-MS.
  12. Yousef A.A., Jensen J.L., Lake L.W. Integrated Interpretation of Interwell Connectivity Using Injection and Production Fluctuations, Mathematical Geosciences. 2008, vol. 40, no. 1, pp. 81–102. DOI 10.1007/s11004-008-9189-x.
  13. Moreno G.A., Lake L.W., On the uncertainty of interwell connectivity estimations from the capacitance-resistance model. Berlin: Springer, 2014.
  14. Soroush M., Kaviani D., Jensen J.L. Interwell Connectivity Evaluation in Cases of Changing Skin and Frequent Production Interruptions, Journal of Petroleum Science and Engineering. 2014, vol. 122, pp. 616 – 630.
  15. Soroush M., Jensen J.L., Lake L.W. Interwell Connectivity Evaluation in Cases of Frequent Production Interruptions // SPE Heavy Oil Conference-Canada, June 11-13, 2013, Calgary, Alberta, Canada. 2013. SPE-165567-MS. DOI 10.2118/165567-MS.
  16. Экспресс-метод оценки степени взаимодействия скважин с использованием частотного анализа данных истории эксплуатации нагнетательных и добывающих скважин / А.В. Абабков [и др.] // Нефтепромысловое дело. 2014. № 7. С. 10 –
  17. Liu F., Mendel J.M., Nejad A.M. Forecasting Injector/Producer Relationships From Production and Injection Rates Using an Extended Kalman Filter, SPE Journal. 2009, vol. 14(4), pp. 653 – 664.
  18. Пономарева И.Н., Мартюшев Д.А., Черный К.А. Исследование взаимодействия между нагнетательными и добывающими скважинами на основе построения многоуровневых моделей // Известия Томского политехнического университета. Инжиниринг георесурсов. 2021. Т. 332, № 2. С. 116–126.
  19. Cheng H. [et al.] ANN Based Interwell Connectivity Analysis in Cyber-Physical Petroleum Systems, IEEE 17th International Conference on Industrial Informatics (INDIN), 22-25 July 2019, Helsinki, Finland. 2019, pp. 199–205. DOI 10.1109/INDIN41052.2019.8972285.
  20. Du S. [et al.] The Connectivity Evaluation Among Wells in Reservoir Utilizing Machine Learning Methods, IEEE Access. 2020, vol. 8, pp. 47209-47219. DOI 10.1109/ACCESS.2020.2976910.
  21. Zeng P. [et al.] Evaluating Interwell Connectivity in Waterflooding Reservoirs with Graph-Based Cooperation-Mission Neural Networks, SPE Journal. 2022, vol. 27, no. 4, pp. 2443 – 2452.
  22. Ji Y., Zhang L. A Method for Analyzing Interwell Connectivity Based on Gated Recurrent Network with Knowledge Interaction, Frontiers in Earth Science. 2025, vol. 13, 11 p. DOI 10.3389/feart.2025.1678611.
  23. Alfarizi M.G., Stanko M., Bikmukhametov T. Well Control Optimization in Waterflooding Using Genetic Algorithm Coupled with Artificial Neural Networks, Upstream Oil and Gas Technology. 2022, vol. 9(3), pp. 100071. DOI 10.1016/j.upstre.2022.100071.
  24. Abdollahfard Y., Fahimpour J., Ahmadi M. Assessing Proxy and AI Models Performance in Waterflooding Optimization, Scientific Reports. 2025, vol. 15, pp. 35472. DOI 10.1038/s41598-025-19256-4.
  25. Bruyelle J., Guérillot D. Optimization of Waterflooding Strategy Using Artificial Neural Networks, SPE Reservoir Characterisation and Simulation Conference SPE Reservoir Characterisation and Simulation Conference and Exhibition, September 17-19, 2019, Abu Dhabi, UAE. 2019. SPE-196643-MS. DOI 10.2118/196643-MS.
  26. Ye X. [et al.] Interwell Connectivity Analysis Method Based on Injection–Production Data Time and Space Scale Coupling, Processes. 2025, vol. 13, no. 2, pp. 373. DOI 10.3390/pr13020373.
  27. Dong Z. [et al.] Research on inter-well connectivity in CO₂ flooding based on long short-term memory graph attention network, Scientific Reports. 2026, vol. 16(1), pp. 6664. DOI 10.1038/s41598-026-36910-7.
  28. Li Y. [et al.] Dynamic Calculation Method of Interwell Connectivity Based on the Attention Mechanism, Energy Science & Engineering. 2025, vol. 13(4), pp. 1807–1818. DOI 10.1002/ese3.70011.
  29. Jiang Y. [et al.] Waterflooding Interwell Connectivity Characterization and Productivity Forecast with Physical Knowledge Fusion and Model Structure Transfer, Water. 2023, vol. 15(2), 30 p. DOI:10.3390/w15020218.
  30. Huang Z.-Q. [et al.] Dynamic interwell connectivity analysis of multilayer waterflooding reservoirs based on an improved graph neural network, Petroleum Science. 2024, vol. 21, pp. 1062–1080. DOI 10.1016/j.petsci.2023.11.008.

 

Сведения об авторах

Низаев Рамиль Хабутдинович

доктор технических наук, профессор кафедры разработки и эксплуатации разработки нефтяных и газовых месторождений, АГТУ «Высшая школа нефти», ведущий научный сотрудник отдела разработки нефтяных месторождений, Институт «ТатНИПИнефть» ПАО «Татнефть» им. В.Д. Шашина, 423462, ул. Ленина, 2, г. Альметьевск, Россия.

E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

Гайсин Альмир Айвазович

аспирант, кафедра разработки и эксплуатации нефтяных и газовых месторождений, АГТУ «Высшая школа нефти», ведущий инженер Управления ГДМ и разработки месторождений, Институт «ТатНИПИнефть» ПАО «Татнефть» им. В.Д. Шашина, 423462, ул. Ленина, 2, г. Альметьевск, Россия.

E-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в вашем браузере должен быть включен Javascript.

 

Полнотекстовая версия - pdf(561kb)