ESTIMATION OF THE LOST CIRCULATION RATE USING FUZZY CLUSTERING OF GEOLOGICAL OBJECTS BY PETROPHYSICAL PROPERTIES

G. Efendiyev; P. Mammadov; I. Piriverdiyev; V.  Mammadov

doi:10.17721/17282713.81.04

Автор(и)

Г. Ефендієв Інститут нафти і газу Національної академії наук Азербайджану вул. Ф. Амірова, 9, м.Баку, AZ1000, Азербайджан
П, Мамедов Азербайджанський державний університет нафти і промисловості пр-т. Азадлиг, 20, м. Баку, AZ1010, Азербайджан
I. Пірівердіев Інститут нафти і газу Національної академії наук Азербайджану вул. Ф. Амірова, 9, м.Баку, AZ1000, Азербайджан
В. Мамедов Інститут нафти і газу Національної академії наук Азербайджану вул. Ф. Амірова, 9, м.Баку, AZ1000, Азербайджан

DOI:

https://doi.org/10.17721/17282713.81.04

Ключові слова:

пористість, проникність, нечіткий кластер, поглинання, буровий розчин, ускладнення

Анотація

В даний час завдання кластер-аналізу, або автоматичної класифікації, отримали широке застосування в різних областях, зокрема, економіці, соціології, медицині, геології та інших галузях, усюди, де є множини об'єктів довільної природи, які необхідно автоматично розбити на групи однорідних об'єктів за їх ознаками "подібності-відмінності". В останні роки ці методи широко застосовуються в задачах аналізу інформації. Традиційні методи кластер-аналізу припускають чітке розбиття вихідних множин на підмножини, за якого кожна точка після розбиття потрапляє тільки в один кластер. Однак, як відомо, таке обмеження не завжди вірно. Найчастіше необхідно зробити розбиття так, щоб визначити ступінь належності кожного об'єкта до кожної множини. У цьому випадку доцільно використовувати нечіткі методи кластер-аналізу. Завдання в такій постановці привертають інтерес фахівців, що займаються питаннями геології, геофізики, буріння свердловин і розробки родовищ нафти і газу. Одним із найважливіших результатів дослідження зон поглинання є визначення коефіцієнта інтенсивності поглинання. Мета. Оцінка ступеня тяжкості поглинань при бурінні свердловин і ризиків, які при цьому виникають. Методика. Рішення поставлених у роботі завдань базувалося на методах, відомих із математичної статистики і теорії нечітких множин. При цьому були використані методика обробки результатів, а також нечіткого кластер-аналізу. Результати. Під час досліджень отримані 5 класів, кожен з яких характеризує ступінь тяжкості поглинань бурового розчину, виражену лінгвістичними змінними. На основі цього побудовані нечіткі моделі, що виражають зв'язок між показниками петрофізичних властивостей і обсягом поглиненого розчину. Наукова новизна. Розроблено метод, заснований на нечіткому кластер-аналізі, що дозволяє прогнозувати поглинання різного ступеня тяжкості на ранній стадії в процесі буріння. Практична значущість. Отримані результати дозволяють приймати рішення із запобігання поглинанням і своєчасної ліквідації їх наслідків.

Посилання

Demidova, L. A., Konyaeva, E. I. (2008). Clustering of objects using FCM-algorithm on the basis of type-2 fuzzy sets and genetic algorithm. Vestnik of RSREU. Ryazan, 26, 4. [in Russian].

Cherezov, D. S., Tyukachev, N. A. (2009). Review of main methods of data classification and clustering. Vestnik VSU, series: system analysis and information technologies, 2, 25–29. [in Russian].

Aliev, R. A., Guirimov, B. G. (2014). Type-2 Fuzzy Neural Networks and Their Applications. URL: http://www.springer.com/us/book/9783319090719

Bezdek, J. C. (1981). Pattern Recognition with Fuzzy Objective Function Algorithms. New York: Plenum Press.

Bezrodna, I., Bezrodnyi, D., Holiaka, R. (2016). Mathematical modelling of influence of the mineral composition and porosity on elastic anisotropic parameters of complex sedimentary rocks of Volyn-Podolia area. Visnyk of Taras Shevchenko National University of Kyiv. Geology, 73, 2, 27–32. [In Ukrainian].

Bora, D. J., Gupta, A. K. (2014). A Comparative study Between Fuzzy Clustering Algorithm and Hard Clustering Algorithm. International Journal of Computer Trends and Technology (IJCTT), 10, 2.

Efendiyev, G. M., Mammadov, P. Z., Piriverdiyev, I. A., Mammadov, V. N. (2016). Clustering of geological objects using FCM-algorithm and evaluation of the rate of lost circulation. 12th International Conference on Application of Fuzzy Systems and Soft Computing. ICAFS 2016. 29-30 August 2016., Vienna, Austria. Procedia Computer Science, 102, 159–162.

Efendiyev, G. M., Rza-zadeh, S. A., Kadimov, A. K., Kouliyev, I. R. (2013). Forecast of drilling mud loss by statistical technique and on the basis of a fuzzy cluster analysis. Seventh International Conference on Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control. Turkey: Izmir, 319–322.

Kuzmenko, T., Tyschenko, A., Kuzmenko, P. (2015). Theoretical and methodological aspects of creating of geological and geophysical model of hydrocarbon fields. Visnyk of Taras Shevchenko National University of Kyiv. Geology, 71, 4, 61–66. [In Ukrainian].

Raulji, J. G. (2015). A Review on Fuzzy C-Mean Clustering Algorithm. International Journal of Modern Trends in Engineering and Research, 2, 2, 751–754.

Suganya, R., Shanthi, R. (2012). Fuzzy C-Means Algorithm – A Review. International Journal of Scientific and Research Publications, 2, 11.

Turksen, I. B. (2013). Full Type 2 to Type n Fuzzy System Models. Seventh International Conference on Soft Computing, Computing with Words and Perceptions in System Analysis, Decision and Control. Turkey: Izmir, 21.

Vyzhva, S., Bezrodna, I. (2016). Determination of the void space structure of complex rocks using the petroacoustic studies data from the Semyrenkivska area. Visnyk of Taras Shevchenko National University of Kyiv. Geology, 74, 3, 11–17. [In Ukrainian].

Vyzhva, Z., Fedorenko, K., Vyzhva, A. (2016). About advanced algorithm of statistical simulation of seismic noise in the flat observation area for determination the frequency characteristics of geological environment. Visnyk of Taras Shevchenko National University of Kyiv. Geology, 73, 2, 58–64.

Zadeh, L. A. (1965). Fuzzy sets. Information and Control, 8, 3, 338–353.