Выполнен анализ статистических показателей работы по свитам месторождения, представлены перспективные методы освоения залежей для месторождения Румилан, в частности гидродинамические, физико-химическиеметоды увеличения нефтеотдачи, рассмотрены технологии полимерного заводнения воздействия на пласт, а также выделены особенности каждогоиз представленных методов.
Ключевые слова: МУН, САР, циклическое заводнение, пласт, месторождение Румилан, полимерное воздействие.

Abstract

Эффективность освоения месторождений природных углеводородов определяется только на основе их технико-экономической оценки. В связи с этим большую актуальность приобретают создание и применение эффективных методов аналитических исследований в области технико-экономической оценки разработки месторождений нефти и газа. С этой целью разработан комплексный научно-методический подход, по экономической оценке, нефтегазовых месторождений, учитывающий все инвестиционные циклы нефтегазовых проектов.

Статья посвящена исследованию методов имитационного моделирования, которые можно применить для прогнозирования газового и полимерного воздействия. Проанализированы существующие методы прогнозирования, представлена сравнительнаяхарактеристика методов.На основании проведенного обзора осуществлен выбор метода прогнозирования, а также представлена возможность использования нейронных сетей для прогноза. Приведена модель нейронной сети для прогнозирования.
Ключевые слова: прогнозирование; газовое воздействие; полимерное воздействие; моделирование; агенты; нейронная сеть.

Нефтегазовая скважина является основным технологическим объектом и средством, определяющим эффективность добычи на всех стадиях жизненного цикла месторождения.

Рассматриваются вопросы налогообложения недропользования в Китае и России с применением договоров на условиях соглашений о разделе продукции (СРП). Показано, что в Китае такой вид договоров является одним из наиболее рациональных подходов к налогообложению добычи углеводородов. Показано, что СРП в Китае применяются только для морских месторождений. В качестве эксперимента проведена экономическая оценка эффективности разработки Приразломного месторождения, находящегося на шельфе Арктики.

В статье представлен анализ нормативно-правового регулирования для обеспечения широкого внедрения инновационных отечественных разработок. Проводимая государством инновационная политика является частью социально-экономической политики государства и должна гарантировать устойчивое развитие и безопасность бизнеса, определять цели и направления развития различных форм стимулирования, обеспечивать прямую и косвенную поддержку научной деятельности.

Представлены основные решения по построению и реализации алгоритмов интеллектуального моделирования при организации высокопроизводительной автоматизированной системы предотвращения осложнений и аварийных ситуаций в процессе строительства нефтегазовых скважин. Приведены описание и возможности программного обеспечения, разработанного на основе нейросетевого моделирования и машинного обучения, предназначенного для повышения точности геолого-разведочных работ и исключения нештатных ситуаций при бурении.

В статье представлен анализ развития научных исследований при нормативно-правовом регулировании. Проводимая государством инновационная политика является частью социально-экономической политики государства и должна гарантировать устойчивое развитие и безопасность бизнеса, определять цели и направления развития различных форм стимулирования, форматов поддержки научной деятельности. Предложен вариант и представлены преимущества ресурсно-инновационного развития нефтегазовой отрасли.

This paper poses and solves the problem of using artificial intelligence methods for processing large volumes of geodata from geological and technological measurement stations in order to identify and predict complications during well drilling. Digital modernization of the life cycle of wells using artificial intelligence methods, in particular, helps to improve the efficiency of drilling oil and gas wells.

The article is devoted to the development of a hybrid method for predicting and preventing the development of troubles in the process of drilling wells based on machine learning methods and modern neural network models. Troubles during the drilling process, such as filtrate leakoff; gas, oil and water shows and sticking, lead to an increase in unproductive time, i.e. time that is not technically necessary for well construction and is caused by various violations of the production process.