水平井掘削は、油田会社が密閉層や非従来型油ガスの単井生産量を向上させるための重要な手段となっています。しかし、水平井の井眼軌跡と地層の空間関係が複雑であるため、従来の垂直井分析手法は有効に適用できません。水平井の井眼軌跡と目的層および囲岩の空間的組み合わせ関係を正確に記述することが、水平井の測井解釈における最重要課題です。導眼井を基に地層の初期モデルを構築し、測井資料の正演計算を用いて逐次的にモデルを調整する方法が主流ですが、この方法は時間効率が低く、同一地域の異なる井に対して多くの繰り返し正演計算が必要です。したがって、水平井測井データの処理および解釈において合理的な井地モデルの構築が鍵となります。井地モデルは、井眼位置と地層界面間の距離、井軸と地層法線方向との角度など、井眼と地層界面の空間関係を正確に表現できます。また、機械学習および人工知能技術に基づく測井データ解析法は、知能モデルの学習を通じて測井データ解釈のあらゆる側面に応用されており、人工知能技術の活用によって従来法の限界を突破できる可能性があります。そこで、多モデル集成と深層ニューラルネットワークに基づく自動水平井測井解釈手法を提案します。まず、異なる井眼軌跡と地層組み合わせ関係を含む理論モデルを構築し、測井応答サンプルライブラリを生成します。次に、勾配ブースティング決定木（XGBoost）、軽量勾配ブースティングマシン（LightGBM）、カテゴリカルブースティング（CatBoost）などの機械学習モデルを統合し、多層パーセプトロン（MLP）によりそれぞれの予測結果を融合します。最後に、実際の測井資料に基づき井眼軌跡と囲岩の幾何学的関係を知能的に自動識別します。事例分析により、本手法が水平井の複雑な測井応答特徴を正確に捉えつつ、解釈速度および精度を大幅に向上させ、類似地質環境下の複数井の迅速な解析ニーズに対応可能であり、水平井測井解釈に効率的な知能的手段を提供することが示されました。

水平井;測井解釈;人工知能;深層学習;地層モデリング