Skip to content

A solution to the problem of predicting drilling fluid losses and downhole tool sticking during oil and gas well construction

UDC: 550.8.056
DOI: 10.24412/2519-2418-2026-1048-171-182
EDN: BVUETE
Received: 19.05.2026
Published: 04.06.2026

Original language: ru

Full text of the article | JATS XML

Aliev Rostislav Andreevich, FSBEI HE «Ufa state petroleum technological university», Assistant, email: aliev.rostya@bk.ru
Fedorov Vyacheslav Nikolaevich, Doctor of Technical Sciences, Professor, Scientific Center for Nonlinear Wave Mechanics and Technology (SC NWMT) RAS, email: fed_vyach@mail.ru
Shcherbak Aleksandr Sergeevich, FSBEI HE «Ufa state petroleum technological university», Head of Laboratories of the Department of Geophysical Research Methods, email: asscherbak@mail.ru
Buzanov Egor Sergeevich, FSBEI HE «Ufa state petroleum technological university», student, email: egorb732@gmail.com
Saetov Karim Albertovich, FSBEI HE «Ufa state petroleum technological university», Assistant, email: k.saetov@yandex.ru
Gallyamova Adelya Rinatovna, FSBEI HE «Ufa state petroleum technological university», student, email: adelya.gallyamova@list.ru

Abstract
This paper addresses the problem of predicting drilling fluid losses and downhole tool sticking during the construction of directional oil and gas wells. The prediction of drilling fluid losses is proposed to be carried out by determining the distribution of instantaneous pressure values along the wellbore during the drilling process.

Keywords: forecasting, downhole tool sticking, bottomhole pressure, pressure distribution

REFERENCES
  1. Воронин, А. А. Прогнозирование поглощений бурового раствора путем поинтервальной опрессовки ствола скважины / А. А. Воронин // Научно-технический вестник ОАО «НК «Роснефть». – 2015. – № 1 (38). – С. 28-31.
  2. Губайдуллин, А. Г. Прогнозирование и предупреждение осложнений, вызванных упруговязкопластическим перемещением стенок наклонно-направленных и горизонтальных скважин: специальность 25.00.15 «Технология бурения и освоения скважин»: диссертация на соискание ученой степени кандидата технических наук / Губайдуллин Азат Гумарович. – Уфа, 2017. – 152 с.
  3. Леонов, Е. Анатомия скважины. Учет эквивалентной циркуляционной плотности при построении совмещенного графика давлений для скважин с наклонными и горизонтальными участками ствола / Е. Леонов, Д. Федин // Деловой журнал Neftegaz.RU. – 2014. – № 9 (33). – С. 48-52.
  4. Методические указания по выбору конструкций нефтяных и газовых скважин, проектируемых на разведочных и эксплуатационных площадях. Утверждены Министерством нефтяной промышленности 20.09.73 г.
  5. Алиев, Р. А. Сравнительный анализ методик прогнозирования осложнений при бурении нефтегазовых скважин / Р. А. Алиев, К. А. Саетов, А. С. Щербак [и др.] // Каротажник. – 2026. – № 1 (339). – С. 135-145.
  6. Патент № 2145382 C1 Российская Федерация, МПК E21B 47/06. Способ определения текущего гидродинамического давления на забое в процессе бурения скважин: № 98117054/03: заявл. 14.09.1998: опубл. 10.02.2000 / Ю. М. Басарыгин, В. Ф. Будников, В. Г. Гераськин [и др.]; заявитель Общество с ограниченной ответственностью «Кубаньгазпром».
  7. Шматченко, С. Н. Геофизические исследования и работы в скважинах: в 7 т. Т. 7. Геологотехнологические исследования в скважинах / С. Н. Шматченко. – Уфа: Информ реклама, 2010. – 248 с.
  8. Albattat R., He X., Hoteit H. Integrated machine learning and analytical modeling aids real-time prediction of lost circulation in fractured formations. SPE journal. 2025, vol. 30, no. 8, P. 1-15. DOI: 10.2118/228398-PA.
  9. Li J., Zhang H., Wang Y., Liu S., Chen W. Drill sticking prediction based on modal decomposition and physical constraint model of near-bit data. Processes. 2025, vol. 13, no. 6, art. 1802. DOI: 10.3390/pr13061802.
  10. Zumarah B., Rachman B., Mohandes M., Al-Shaikhi A. A. Optimized transformer and GRU models for forecasting lost circulation volume in drilling operations. IEEE Access. 2025, vol. 13, pp. 153918-153936. DOI: 10.1109/ACCESS.2025.3603070.
  11. Huang G., Yin F., He H., Zeng P. Intelligent prediction of lost circulation based on improved k-nearest neighbor and self-attention mechanism-convolutional neural network. Gas science and engineering. 2025, vol. 126, art. 205512. DOI: 10.1016/j.jgsce.2025.205512.
Для того, чтобы мы могли качественно предоставить Вам услуги, мы используем cookies, которые сохраняются на Вашем компьютере. Нажимая ПРИНЯТЬ,
Вы подтверждаете то, что Вы проинформированы об использовании cookies на нашем сайте. Отключить cookies Вы можете в настройках своего браузера.
Принять
Политика конфиденциальности