Automation of interwell correlation using dynamic time scale transformation algorithm: application experience

The article presents an approach to automation of interwell correlation based on the Dynamic Time Warping algorithm for dynamic time scale transformation. This method is an effective tool for analyzing and comparing time series (in this case, well logging curves). The key stages of implementing this approach are described, starting with preliminary data preparation: selecting the most informative well logging curves, processing gaps, smoothing and standardizing the data. Then, clustering methods (for example, k-means using PCA) are applied to determine reference wells that cover all possible behavior options for well logging curves from the available data. At the next stage, the Dynamic Time Warping algorithm is used to calculate the similarity between reference and target wells, which allows finding the optimal match between them. Finally, the position of formation intersections in target wells is predicted based on expert marks in reference wells. Experience shown high consistency of the algorithm results with expert estimates in 85% of cases, confirming its effectiveness. Discrepancies were noted, which in some cases were caused by subjective factors in expert interpretation, while the Dynamic Time Warping algorithm demonstrated effectiveness in correctly recognizing the assigned behavior patterns of well logging curves. The proposed approach based on Dynamic Time Warping not only improves the accuracy and objectivity of data interpretation, but also serves as a tool for identifying and correcting subjective errors associated with the human factor. This is especially important when working with large volumes of data, where traditional analysis methods become extremely labor-intensive and vulnerable to errors. Thus, the use of Dynamic Time Warping opens up new opportunities for automating the processes of data analysis and correlation in geophysical research, contributing to the increased efficiency of specialists in this field.

Автоматизация межскважинной корреляции с использованием алгоритма динамической трансформации временной шкалы: опыт применения

Представлен подход к автоматизации межскважинной корреляции, основанный на алгоритме динамической трансформации временной шкалы Dynamic Time Warping. Данный метод является эффективным инструментом для анализа и сравнения временных рядов (в данном случае каротажных кривых). Описаны ключевые этапы реализации данного подхода, начиная с предварительной подготовки данных: выбор наиболее информативных кривых геофизических исследований скважин, обработка пропусков, сглаживание и стандартизация данных. Затем применяются методы кластеризации (например, k-means с использованием PCA) для определения эталонных скважин, которые охватывают все возможные варианты поведения кривых геофизических исследований скважин из имеющихся данных. На следующем этапе используется алгоритм Dynamic Time Warping для вычисления сходства между эталонными и целевыми скважинами, что позволяет найти оптимальное соответствие между ними. Наконец, выполняется прогнозирование положения пластопересечений в целевых скважинах на основе экспертных отметок в эталонных скважинах. Опыт применения показал высокую согласованность результатов алгоритма с экспертными оценками в 85 % случаев, подтверждая его эффективность. Отмечены расхождения, которые в ряде случаев были вызваны субъективными факторами при экспертной интерпретации, в то время как алгоритм Dynamic Time Warping продемонстрировал эффективность в правильном распознавании заданных ему шаблонов поведения кривых геофизических исследований скважин. Предложенный подход не только повышает точность и объективность интерпретации данных, но и служит инструментом для выявления и коррекции субъективных ошибок, связанных с человеческим фактором. Это особенно важно при работе с большими объемами данных, где традиционные методы анализа становятся крайне трудоемкими и уязвимыми для ошибок. Таким образом, использование Dynamic Time Warping открывает новые возможности для автоматизации процессов анализа и корреляции данных в геофизических исследованиях, способствуя повышению эффективности работы специалистов в данной области.