DOI: 10.24412/2519-2418-2026-1048-197-208
EDN: QSCNDG
Received: 25.04.2026
Published: 04.06.2026
Original language: ru
Full text of the article | JATS XML
Sultanov Shamil Khanifovich, Doctor of Technical Sciences, Professor, FSBEI HE «Ufa state petroleum technological university», Member of the Presidium of the Academy of Sciences of the Republic of Bashkortostan, professor of the department of geology and exploration of oil and gas fields, email: ssultanov@mail.ru
Makhmutov Almaz Aksanovich, Doctor of Geological and Mineralogical Sciences, Professor, FSBEI HE «Ufa state petroleum technological university», Corresponding Member of the Academy of Sciences of the Republic of Bashkortostan, professor of the department of geophysical investigation methods, email: makhmutov_aa@mail.ru
Saetov Karim Albertovich, FSBEI HE «Ufa state petroleum technological university», Assistant, email: k.saetov@yandex.ru
Abstract
In this study, a method is proposed for rapid evaluation of the cementing quality of cased wells using acoustic cement bond logging data and convolutional neural networks. The CNN is trained on geophysical data from 20 wells of the Volga-Ural oil and gas province and employs preliminary histogram normalization together with automatic feature extraction, including intensity, textural, and geometric characteristics of the «casing-cement-formation» contact zones.
Keywords: forecasting, classification, cementing quality evaluation, cementing
REFERENCES
- Саетов, К. А. Автоматизация интерпретации данных акустического цементомера с использованием инструментов искусственного интеллекта / К. А. Саетов, Ш. Х. Султанов, А. А. Махмутов [и др.] // Каротажник. – 2026. – № 1 (339). – С. 84-95.
- Свидетельство о государственной регистрации программы для ЭВМ № 2025696716 Российская Федерация. Программа автоматизированного определения качества цементирования скважин в условиях различной литологии пласта: заявл. 11.12.2025: опубл. 19.12.2025 / К. А. Саетов, А. А. Махмутов; заявитель Федеральное государственное бюджетное образовательное учреждение высшего образования «Уфимский государственный нефтяной технический университет».
- Козяр, Н. В. Использование комплексного прибора на отраженных и преломленных волнах для определения технического состояния обсадной колонны скважины и затрубного пространства / Н. В. Козяр, В. В. Коробченко, В. В. Рыбаков, Т. С. Попкова, М. Л. Михеев // Каротажник. – 2021. – № 6 (312). – С. 161-168.
- Логинова, М. Е. Способы интерпретации первичных данных для оценки качества цементирования скважин с помощью акустических методов / М. Е. Логинова // Каротажник. – 2025. – № 5 (337). – С. 164-171.
- Fang C., Wang Z., Song X., Zhu Z., Yang D., Liu M. A novel cementing quality evaluation method based on convolutional neural network. Appl. Sci. 2022, vol. 12, P. 10997. https://doi.org/10.3390/ app122110997.
- Методическое руководство по интерпретации данных, получаемых при контроле качества цементирования нефтегазовых скважин модулями акустического каротажа интегрального и сканирующего типа, входящими в комплексы АМК-2000М и АМК-2000СК. – Уфа: ВНИИнефтепромгеофизика, ОАО НПФ «Геофизика», 2011.
- Мерфи, К. П. Машинное обучение: вероятностный подход / К. П. Мерфи; пер. с англ. – М.: ДМК Пресс, 2021. – 1104 с.
- Мокшанов, М. В. Применение искусственного интеллекта в анализе данных: обзор текущего состояния и будущих направлений / М. В. Мокшанов // Universum: технические науки. – 2024. – № 5-1 (122). – С. 40-48. – DOI: 10.32743/UniTech.2024.122.5.17513.