2519-2418 Применение сверточных нейронных сетей для оценки качества цементирования скважин по данным акустического цементомера 10.24412/2519-2418-2026-1048-197-208 QSCNDG UDC 550.8.028 25 04 2026 Султанов Шамиль Ханифович ssultanov@mail.ru ФГБОУ ВО «Уфимский государственный нефтяной технический университет», Член Президиума Академии наук Республики Башкортостан, профессор кафедры «Геология и разведка нефтяных и газовых месторождений» Махмутов Алмаз Аксанович makhmutov_aa@mail.ru ФГБОУ ВО «Уфимский государственный нефтяной технический университет», Член-корреспондент Академии наук Республики Башкортостан, профессор кафедры «Геофизические методы исследований» Саетов Карим Альбертович k.saetov@yandex.ru ФГБОУ ВО «Уфимский государственный нефтяной технический университет», ассистент прогнозирование классификация оценка качества цементирования цементирование

В работе предложен метод оперативной оценки качества цементирования обсаженных скважин на основе данных акустической цементометрии с применением сверточных нейронных сетей. Обучение модели производилось на основе данных геофизических исследований 20 скважин одного из месторождений Волго-Уральской нефтегазоносной провинции. Ключевыми этапами работы являются предварительная нормализация гистограмм, а также автоматическое извлечение признаков, включая интенсивностные, текстурные и геометрические характеристики зон контакта «колонна-цемент-порода».

 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.