Пермокарбоновая нефтяная залежь Усинского месторождения характеризуется исключительно сложным типом емкостного пространства с интенсивным распространением по разрезу кавернозности и трещиноватости пород. В работе для данного эксплуатационного объекта реализован процесс 3D-геологического моделирования, предусматривающий на первом этапе автоматизированное выделение объемов коллекторов путем сопоставления данных исследований керна и ГИС, на втором – выделение на основе сопоставления исследований шлифов и ГИС литотипов пород по классификации Данхема. Большой массив фактической информации позволяет при реализации поставленных задач применить технологии машинного обучения с использованием аппарата нейронных сетей Левенберга – Марквардта. Полученные на основе обучающих выборок алгоритмы прогноза выделения коллекторов и литотипов пород по ГИС применены к скважинам без отбора керна. Реализованный подход позволил дополнить 3D-геологическую модель информацией о фильтрационно-емкостных свойствах пород с учетом структурных особенностей выделенных литотипов. Для пермокарбоновой залежи нефти Усинского месторождения установлена объемная зональность распределения различных литотипов пород. С учетом выделенных литотипов на основе алгоритмов машинного обучения определены плотность и раскрытость трещин, на основе чего в объеме залежи рассчитана трещинная проницаемость. В целом ошибки машинного обучения при реализации составили порядка 3-5 %, что свидетельствует о достоверности полученных прогнозных решений. Результаты исследований заложены в действующую цифровую 3D-геолого-технологическую модель изучаемой залежи.
