ПОСТРОЕНИЕ АКУСТИЧЕСКОГО ПСЕВДОКАРОТАЖА ПО ПОПЕРЕЧНОЙ ВОЛНЕ ДЛЯ СКВАЖИН БЕЗ ПОЛНОГО КОМПЛЕКСА ГИС

Main Article Content

Краснощёкова Анастасия Юрьевна
Кан Кирилл Эдуардович

Abstract

АННОТАЦИЯ


В статье рассматривается метод построения псевдокаротажа акустического каротажа по поперечной волне (DTS) для скважин с неполным комплексом геофизических исследований. В качестве исходных данных использованы результаты каротажных исследований двух опорных скважин, содержащих кривые DTP, DTS, RHO и TNPH. Для прогнозирования DTS построены две модели машинного обучения: множественная линейная регрессия и Random Forest. Выполнена оценка качества моделей по коэффициенту детерминации (R²), среднеквадратичной ошибке (RMSE) и средней абсолютной ошибке (MAE). Установлено, что модель Random Forest обеспечивает более высокую точность прогнозирования по сравнению с линейной регрессией. Полученная модель использована для построения псевдокаротажей DTS в скважинах, где данный параметр отсутствует. Предложенный подход позволяет повысить информативность интерпретации скважинных данных и может применяться при решении задач петрофизического моделирования и комплексной геофизической интерпретации.


 

Article Details

Section
Articles

References

. Breiman L. Random Forests [Случайные леса] // Machine Learning. – 2001. – Vol. 45, No. 1. – P. 5–32. – DOI: 10.1023/A:1010933404324.

Isah A., Tariq Z., Mustafa A., Mahmoud M., Okoroafor E. R. A Review of Data-Driven Machine Learning Applications in Reservoir Petrophysics [Обзор применения методов машинного обучения в петрофизике коллекторов] // Arabian Journal for Science and Engineering. – 2025. – Vol. 50. – P. 20343–20377.

Bishop C. M. Pattern Recognition and Machine Learning [Распознавание образов и машинное обучение]. – New York: Springer, 2006.

James G., Witten D., Hastie T., Tibshirani R. An Introduction to Statistical Learning: with Applications in R [Введение в статистическое обучение с приложениями на языке R]. – 2nd ed. – New York: Springer, 2021. – 607 p.