Рисунок 1 – Статистика по бурению горизонтальных скважин в России (РФ – Российская Федерация, ЗС – Западная Сибирь, ГПН – ПАО «Газпромнефть»)
В рамках выполнения работ по внутривузовскому конкурсу РГУ нефти и газа (НИУ) имени И. М. Губкина «Подготовка аналитических материалов по специализированным тематикам топливно-энергетического комплекса» были подготовлены дайджесты научно-технических публикаций за 2024 г. по тематике «Геофизика горизонтальных скважин» [2], в которых одним из ключевых разделов является «Обработка и интерпретация данных ГИС в горизонтальных скважинах».
Анализ статей, выпущенных организацией Society of Petrophysicists and Well Log Analysts (SPWLA) в 2022 – 2025 гг., показал, что наиболее перспективными направлениями изучения отложений, вскрытых горизонтальными скважинами, по данным каротажа в процессе бурения являются следующие:
- учёт анизотропии проницаемости коллекторов;
- интерпретация данных ядерно-магнитного каротажа (ЯМР) в процессе бурения;
- интерпретация азимутальных данных гамма-гамма плотностного каротажа (ГГК-п) – имиджей плотности;
- разработка методик машинного обучения и применения алгоритмов на практике.
Не теряют своей актуальности также вопросы геонавигации по данным электромагнитного каротажа приборами большого радиуса исследования (картографами границ) и в целом интерпретации данных этого метода в горизонтальных скважинах. Большое внимание в России и за рубежом продолжает уделяться применению данных геолого-технологических исследований (ГТИ) при каротаже в процессе бурения (КПБ) и повышению их информативности. Эти тенденции подтвердила конференция «Современные технические средства управления траекторией скважин; Каротаж в процессе бурения LWD. Развитие ГТИ с внедрением цифровых технологий; Комплексирование ГТИ и LWD. Новые отечественные разработки аппаратуры и оборудования для ГИС (в рамках программы импортозамещения)», прошедшая 27 февраля 2025 г. в Москве, на которой подавляющее большинство докладов было посвящено разработке отечественных картографов границ, интерпретации данных ГТИ, разработке азимутальной аппаратуры ядерных методов и обработке имиджей, а также применению всех этих данных для геологического сопровождения бурения скважин в режиме реального времени – геонавигации.
Имиджи
В 2022 году была предложена методика автоматического распознавания границ по имиджу при синусоидальной идентификации [8]. Общие методы разделения и определения границ пластов на бинарных изображениях, которыми являются имиджи, включают преобразование Хафа, синусоидальное сопоставление, распознавание образов и т.д. [8]. В этой работе показано, что для повышения устойчивости и эффекта распознавания границы пласта при синусоидальном отслеживании взаимосвязанных точек с учётом того, что данная цепочка может разорваться при снижении качества имиджа, целесообразным является дополнение преобразования Хафа методом наименьших квадратов. Согласно этому исследованию, матричная операция в процессе подбора может значительно повысить эффективность вычислений, то есть вычислительная эффективность метода наименьших квадратов выше, чем преобразования Хафа, а время вычислений может быть уменьшено в сотни раз.
Данное направление является весьма перспективным, хотя все вопросы автоматического трассирования синусоид до сих пор не решены и присутствуют следующие проблемы:
- неоднозначность, появление ложных синусоид;
- не всегда достаточная воспроизводимость результатов;
- дублирование синусоид в интервале нечётких (размытых) границ.
Преимуществом автоматизации при структурной интерпретации имиджей является снижение человеческого фактора и повышение надёжности трассирования.
Авторы настоящей статьи считают также целесообразным автоматическое распознавание и трассирование эллипсовидных отображений, которые появляются на имидже при частичном вскрытии пластов и позволяют определять углы падения пластов [3]. На сегодняшний день на практике эллипсовидные отображения либо вовсе не обрабатываются, что снижает информативность имиджей горизонтальных скважин, либо трассируются синусоидами, что ошибочно с точки зрения геометрии и приводит к получению заведомо неверных значений углов падения и азимутов пластов. Поэтому эллипсовидные отображения рекомендуется трассировать именно эллипсами [3] в ручном или автоматизированном режиме, что повысит надежность структурной интерпретации имиджа.
До сих пор выделение несинусоидальных отображений подстилающей толщи основывалось на маркировке трассы серией отбираемых вручную сегментов. Авторы статьи [10] представляют методику точного автоматического выделения соответствующих пласту сегментов на имидже из несинусоидальных отображений с использованием модели искусственного интеллекта (ИИ) с автоматической группировкой сегментов с помощью алгоритма «автоматического выбора угла наклона». ИИ обнаруживает и выбирает несинусоидальные элементы и определяет угол падения подстилающего слоя в режиме реального времени. Синусоидальные отображения также выделяются и интерпретируются с определением угла падения и азимута пласта. Таким образом применение методики предполагает сокращение времени ручной интерпретации имиджей горизонтальных скважин, обеспечивая стандартизированный и эффективный процесс структурного анализа.
Необходимо помнить, что как при ручном, так и при автоматизированном трассировании синусоидальных или эллипсовидных отображений на имидже большую роль играет качество самого имиджа, которое зависит в том числе от вертикальной разрешающей способности прибора. Повышение азимутальной и вертикальной разрешающей способности имиджей является на сегодняшний день перспективным направлением. Например, компания Schlumberger разработала азимутальный прибор ГГК-п Imaging Density Neutron Standoff Caliper tool (IDNSC) с разрешением 32 сектора. Наибольшего качества имиджа можно достичь при роторном бурении, когда обеспечивается постоянное равномерное вращение бурильной колонны. Таким образом, актуальным является развитие технологий роторно-управляемых систем (РУС) в России.
ЯМР
Согласно материалам консалтинговой компании Intelligent Analytics, по результатам опроса экспертной группы в 2023 году прогнозируется, что отечественный прибор ЯМР в процессе бурения появится в Российской Федерации уже через 6-7 лет (то есть к 2031-2032 году). Этот метод отнесён к технологической группе с высокой степенью востребованности на рынке. На данный момент на территории России эксплуатируется прибор pro VISION Plus компании Schlumberger [9].
По ядерно-магнитному каротажу (ЯМР) не всегда возможно точно оценить пористость газовых пластов. Сопоставление результатов различных подходов, использующих только данные ЯМР, не дает удовлетворительных результатов при оценке свойств газовых пластов. Авторы статьи [13] предлагают повысить качество анализа данных, комбинируя ГГК-п и ЯМР. Несоответствие, вызванное вариациями плотности матрицы, в значительной степени устраняется, подтверждая, что оценки CPI (computer-processed interpretation) и DDTW (density and dual wait time methods) дают согласованные результаты. Значительное повышение точности оценки объёмов углеводородов достигается при комплексировании ЯМР с данными газового каротажа. Совместная обработка и интерпретация данных triple-combo (стандартный комплекс из индукционного, гамма-гамма плотностного и нейтрон-нейтронного каротажей, добавляемый к гамма-методу), ЯМР, опробователя пластов в процессе бурения и данных о газонасыщенности бурового раствора (по результатам ГТИ) были успешно проведены для двух скважин в коллекторе турбидитового песчаника в Северном море [13]. Получены надежные и последовательные результаты оценки пласта, включая свойства флюидов и пород. Данные ЯМР обеспечивают альтернативные подходы к результатам обработки CPI для оценки пористости, насыщения и проницаемости в газовых, нефтяных и водных зонах. Интеграция данных triple-combo, ЯМР, пластоиспытателя и газосодержания бурового раствора (ГТИ) позволяет лучше понять свойства пласта и повысить точность оценки распределения флюидов.
В горизонтальных скважинах с тонкими пластами, размер которых меньше чувствительной области прибора, расшифровка вклада маломощных пластов в показания ЯМР дает неоднозначные/ошибочные результаты. Сложность обусловлена положением слоя относительно цилиндрической чувствительной области, что затрудняет разработку точных перспективных моделей для приборов ЯМР в процессе бурения. Для решения этой задачи авторами [21] разработан и проведен эксперимент в резервуаре с водой, который воспроизводит условия, встречающиеся в горизонтальных скважинах с тонкими пластами. Во время эксперимента происходило систематическое снижение уровня воды в калибровочном резервуаре с дискретным шагом, имитирующее вертикальное движение тонкого пласта в горизонтальной цилиндрической чувствительной области прибора. Сбор данных осуществлялся через заданные интервалы времени по мере постепенного снижения уровня воды до полного опустошения резервуара. Путем тщательной обработки полученных результатов оценен индивидуальный вклад каждого перепада уровня в исходный сигнал, создана комплексная таблица, содержащая коэффициенты для горизонтальных слоев толщиной до 0,25 дюйма, определена и представлена функция, которая описывает этот отклик. Авторы статьи [21] считают, что результаты этого эксперимента помогут геофизикам оценить отклик прибора ЯМР в горизонтальных скважинах, когда на одной глубине исследуется более одного слоя.
Оценка проницаемости
В диссертации [6] показана актуальность изучения анизотропии проницаемости при разработке месторождений горизонтальными скважинами: при оценке интегральной продуктивности скважины и выборе способа ее заканчивания необходимо учитывать различия в вертикальной и горизонтальной проницаемостях. Особенно это важно при вскрытии пластов-коллекторов под углом и при частичном вскрытии, а также в тонкослоистых коллекторах, характеризующихся высокой степенью неоднородности и анизотропии проницаемости.
Ещё в 2017 году была предложена модель анизотропии проницаемости [19], которая, согласно исследованиям [7], хуже описывает результаты лабораторных анализов керна, чем модель Сребродольской М. А. [6].
В 2024 г. в работе [15] представлен подход к оценке проницаемости по диэлектрическому каротажу (dielectric dispersion logging) и выведена формула, отражающая модель расчета коэффициентов проницаемости (Кпр), которая позволяет оценить Кпр в тонкослоистых коллекторах. Формула включает в себя учёт таких параметров, как водонасыщенная пористость в ближней зоне; текстурный параметр; наиболее вероятный диаметр зерен по результатам интерпретации диэлектрического каротажа (с использованием данных лабораторного анализа керна, размера зерен и ёмкости катионного обмена); наиболее вероятная величина связанной воды глин (функция от текстурного параметра). Вероятностные функции, используемые в формуле, должны быть определены по представительным керновым данным. Описанная в статье [15] модель оценки проницаемости применима для любого типа разреза. В работе [15] было также проведено сравнение результатов оценки пористости и проницаемости по данным диэлектрического каротажа и по ЯМР. Исследование показало, что проницаемость, определённая по ЯМР (даже если она откалибрована по данным керна и улучшена по вертикальному разрешению), не является надёжной по сравнению с результатами, полученными по методу диэлектрического каротажа. Метод ЯМР полностью пропускает некоторые проницаемые тонкие слои изучаемого интервала породы, что приводит к недостоверной оценке фильтрационно-емкостных свойств [15].
В карбонатных коллекторах процессы седиментации и диагенеза формируют неоднородную структуру порового пространства. Оценка соотношения пористости и проницаемости осложняется из-за неоднородности геологической текстуры, присутствия трещиноватости и доломитизации. Авторами [17] разработана методика, повышающая достоверность оценки проницаемости, в том числе и в горизонтальных скважинах, где отбор керна ограничен, а латеральную неоднородность трудно охарактеризовать. Для оценки проницаемости исследователями используется комплекс современных геофизических методов, включающий электрические микросканеры, испытание пластов в процессе бурения (FTWD) и ЯМР. Большинство из этих методов требуют нормализации и традиционно используют калибровочные точки из образцов керна, полученных в скважинах с малым зенитным углом. В указанной работе [17] данные пластоиспытателя в процессе бурения и микросопротивления применяются для нормализации нескольких значений проницаемости, полученных с помощью ЯМР, что позволяет использовать различные отсечки пористости и уравнение проницаемости Коутса. Сочетание данных пластоиспытателя и имиджей высокого разрешения, полученных при каротаже в процессе бурения, повышает эффективность принятия решений при геонавигации в режиме реального времени, а также при составлении программы разработки месторождения в изучаемом интервале латерально неоднородного коллектора.
Для корректной оценки проницаемости коллекторов, вскрытых горизонтальными скважинами, необходимо изучать на керне анизотропию проницаемости. В исследовании [18] предлагается метод масштабирования измерений, полученных в ходе компьютерной томографии на образцах керна в горизонтальных и вертикальных пробах, с использованием классификации гидравлических потоков и методов машинного обучения для получения направленных величин абсолютной гидравлической проницаемости. Моделирование течения проводилось по локальным объемам в двух ортогональных направлениях с различными вертикальными окнами исследования для дальнейшего увеличения объема информации о проницаемости до масштаба каротажа. Данное исследование особенно актуально в карбонатных отложениях, характеризующихся высокой текстурной неоднородностью и сложной структурой порового пространства.
В диссертации [6] разработан алгоритм определения коэффициентов проницаемости, включающий комплексный учёт анизотропии отложений и угла падения напластования и получены математические выражения для лабораторных и скважинных условий, содержащие эти параметры в явном виде. Для использования этих уравнений предварительно рекомендуется определять угол падения напластования по имиджу азимутального ГГК-п, записанного в процессе бурения горизонтальной скважины. Разработанный алгоритм пространственно-ориентированного определения коэффициентов проницаемости с использованием азимутальных данных гамма-гамма плотностного метода [7] обеспечивает учёт взаимного пространственного расположения горизонтальной скважины и вскрытого ею пласта при определении фильтрационно-емкостных свойств с получением их имиджей по данным КПБ. Важно отметить, что в горизонтальных скважинах проницаемость необходимо оценивать пространственно-ориентированно как в анизотропных, так и в изотропных породах и строить имидж проницаемости, обладающий высокой информативностью при полном и частичном вскрытии границ пластов, для учета различия в коэффициентах проницаемости пород по периметру скважины.
Машинное обучение
Современные исследования в области интерпретации данных ГИС также направлены на создание алгоритмов и методик машинного обучения и экспрессной оценки литологического состава пород по данным каротажа в процессе бурения. Авторами [14] представлен подход к совершенствованию модели машинного обучения и прогнозирования показаний геофизического комплекса triple-combo по данным о динамике бурения в реальном времени. В основе обучения модели лежат предварительно обработанные данные о динамике бурения и результаты измерений triple-combo. Предложенный в [14] подход опробирован на тестовых скважинах. Прогнозируемые геофизические кривые точно согласуются с соответствующими результатами измерений triple-combo, экспрессная обработка данных в реальном времени позволяет оперативно получать информацию о свойствах пласта, что дает возможность геологам, инженерам по бурению и геофизикам быстро принимать решения в процессе бурения или заканчивания скважины.
Анализ данных при помощи машинного обучения позволяет существенно улучшить качество интерпретации в горизонтальных скважинах. Так в исследовании [11] предложен эффективный и быстрый подход к обработке имиджей на основе метода глубокого обучения (deep learning – DL) для корреляции элементов динамически и статически нормализованных имиджей LWD. Были протестированы две стратегии обучения: «standard learning» (SL-PickNet) и «curriculum learning» (CL-PickNet) для анализа различия в применении как на синтетических, так и на полевых данных. Цель исследования [11] заключалась в разработке эффективного метода для корреляции признаков в азимутальном каротаже (скважинных имиджах) в процессе бурения на основе DL. Предлагаемый подход позволяет получить оценку неопределенности коррелированных признаков с помощью метода Монте-Карло. Такая оценка обычно недоступна в случае ручной интерпретации. Данный метод был протестирован на имиджах плотности LWD, но авторы [11] предполагают, что при достаточном количестве синтетических или реальных обучающих примеров он может быть применен к обработке имиджа любого физического свойства. Результаты исследования показывают, что модели глубокого обучения DL могут стать надежным инструментом при определении угла падения пласта в процессе трассирования границ пластов синусоидами, но исследователи [11] подчеркивают необходимость контроля процесса интерпретатором для проверки и классификации коррелирующих признаков, что доказывает полезность полуавтоматического подхода к обработке и интерпретации данных LWD в горизонтальных скважинах.
Данные из памяти прибора с полным объемом информации могут быть получены только через несколько часов после окончания бурения, что в некоторых случаях недостаточно для принятия эффективного решения о завершении буровых работ. В работе [20] были протестированы модели на основе генерируемых нейронных сетей (GAN) для восстановления полной информации на основе данных, поступающих в режиме реального времени. Как и в обычных GAN-системах, генератор обучается получать входные данные в реальном времени и создавать «похожий на данные из памяти прибора» имидж, а дескриптор обучается отличать истинные имиджи от нереальных. Для создания моделей CycleGAN использовались различные варианты процесса обучения и наборов данных. Полученные результаты весьма многообещающе, поскольку в некоторых интервалах полученные модели смогли зафиксировать наличие трещин и пустот. Эта методика позволяет обойти ограничения телеметрии, когда недостающая информация добавляется косвенно к данным в режиме реального времени по мере того, как алгоритм искусственного интеллекта изучает основные характеристики месторождения/пласта. Таким образом, предыдущие знания с месторождения можно использовать для постоянной оптимизации будущих операций, эффективно внедряя имеющуюся базу данных в рабочий процесс геофизиков для своевременного распознавания геологических и геомеханических структур с целью поддержки принятия решений при заканчивании скважин.
Геонавигация
Приборы сверхглубокого азимутального удельного сопротивления (ultra deep azimuthal resistivity – UDAR) каротажа в процессе бурения становятся неотъемлемой частью технологии бурения горизонтальных скважин, поскольку они имеют достаточную глубину исследования, чтобы изучить пласт в целом и составить его карту в масштабе, аналогичном сейсмическим разрезам. Из-за большого объема исследуемого пласта измерения UDAR зависят от многих параметров пласта и требуют сложных многослойных моделей пласта, используемых при интерпретации, а также новых, эффективных подходов к инверсии. Стохастические алгоритмы инверсии имеют множество преимуществ и широко используются в скважинных полевых приложениях. При работе с многопараметрическими моделями эти алгоритмы могут стать трудоемкими, что ограничивает их применимость в реальном времени, особенно при бурении с высокими скоростями проходки.
В работе [16] представлен новый высокопроизводительный стохастический алгоритм и специально разработанное программное обеспечение, позволяющее инвертировать данные UDAR в режиме реального времени. Программа инверсии поддерживает все существующие в США UDAR-приборы с коаксиальными, наклонными или ортогональными антеннами и имеет гибкий интерфейс для добавления новых приборов с произвольными типами измерений (предусмотрена возможность учета модульных конфигураций приборов UDAR путем задания количества передатчиков/приемников и расстояний между ними). Алгоритм основан на стохастическом методе Монте-Карло с обратимо-скачкообразными цепями Маркова и может быть запущен без предварительных предположений о структуре пласта. Алгоритм автоматически регулирует сложность модели, анализируя возможности обнаружения и разрешения откликов приборов. В итоге инверсия дает набор несмещенных моделей пласта, их вероятности и оценку неопределенности восстановленных параметров модели. Разработанное исследователями [16] высокопроизводительное программное обеспечение для инверсии позволяет геонавигаторам улучшить оценку полномасштабных структур пласта в процессе бурения для повышения точности оконтуривания продуктивных пластов и принятия обоснованных решений.
При бурении горизонтальных скважин возможно вскрытие слоистых пластов с различными механическими свойствами и образование аномалий давления, которые могут привести к потерям бурового раствора, проникновению солей в ствол скважины и другим негативным явлениям. Передовая технология UDAR look-ahead [12] решает некоторые из этих проблем, предоставляя геологическую информацию в режиме реального времени перед долотом, этот подход повышает точность буровых работ и способствует принятию более взвешенных решений относительно направления бурения и позиционирования обсадной колонны, снижая риски, связанные с аномалиями давления и нестабильностью ствола скважины. Помимо непосредственного применения в подсолевых породах, представленная авторами статьи [12] технология UDAR look-ahead имеет потенциал для снижения риска буровых работ в пластах аналогичного литологического состава в месторождениях по всему миру.
Подобные UDAR приборы в Российской Федерации называются картографами границ. Актуальной задачей является разработка и совершенствование отечественного картографа.
Заключение
По результатам проведенного анализа литературы и по собственному опыту в обработке и интерпретации данных LWD, авторы настоящей статьи пришли к выводу, что наиболее актуальными направлениями интерпретации данных ГИС в процессе бурения горизонтальных скважин на сегодняшний день являются учёт анизотропии проницаемости, совершенствование алгоритмов интерпретации данных ЯМР и имиджей физических свойств высокого и низкого разрешения, а также машинное обучение (рис. 2). Всё это позволяет повысить достоверность оперативного определения фильтрационно-емкостных свойств (ФЕС), что в свою очередь повышает надежность геонавигации и приводит к увеличению экономической эффективности. Особенно актуальны подобные инновации при изучении тонкослоистых разрезов, вскрытых горизонтальными скважинами, по данным LWD (рис. 3). При этом наилучшего эффекта можно достичь при комплексировании данных стандартного triple-combo с ЯМР, электрическим микросканером и пластоиспытателем в процессе бурения (рис. 3). В связи с вышеизложенным перед отечественным приборостроением стоят задачи разработки и совершенствования приборов ЯМР, картографа границ и микросканера сопротивлений в процессе бурения, а также роторно-управляемой системы.
Рисунок 2 – Современные тренды в интерпретации LWD в горизонтальных скважинах
Рисунок 3 – Применение результатов LWD в горизонтальных скважинах
Литература
1. Горизонтальное и наклонно-направленное бурение: ответ на вызов времени
2. Дайджест научно-технических публикаций по направлению: «Геофизика горизонтальных скважин»
3. Карасева М. В. Определение относительного угла падения пласта при его частичном вскрытии горизонтальной скважиной по данным азимутальных приборов / М. В. Карасева // Tatarstan UpExPro 2024 : Сборник научных трудов по материалам VIII Международной молодежной научной конференции, Казань, 11–14 апреля 2024 года. – Новокузнецк: Издательство "Знание-М", 2024. – С. 105-107
4. Медведев Н. В. Российский рынок сопровождения горизонтального и наклонно-направленного бурения: текущее состояние и перспективы развития до 2025 года // Rogtecmagazine.com
5. Объемы ввода новых нефтяных скважин в России за неполный 2024 г.сократились более чем на 12%
6. Сребродольская М. А. Алгоритмическое обеспечение интерпретации данных азимутального плотностного гамма-гамма метода в процессе бурения горизонтальных скважин: дис. канд. геол.-мин. наук: 1.6.9. – Москва: 2024. – 193 с.
7. Сребродольская М. А. Оценка проницаемости анизотропных осадочных горных пород по данным азимутального гамма-гамма плотностного метода в горизонтальных скважинах / М. А. Сребродольская // Геофизика. – 2025. – № 4. – С. 33-39. – DOI 10.34926/geo.2025.52.24.004.
8. Метод определения залегания горных пород одно- и двухмерными данными геофизических исследований в процессе бурения (LWD) для геонавигации скважин
9. Ядерно-магнитные резонансные исследования
10. Alexandre Perrier, Alexis He, Nadège Bize-Forest, Daniel Quesada Enhanced AI-Driven automatic dip picking in horizontal wells through deep learning, clustering, and interpolation in real time // PETROPHYSICS. - DECEMBER 2024. - VOL. 65, NO. 6. - p. 929–943. DOI:10.30632/PJV65N6-2024a7
11. Attilio Molossi, Giacomo Roncoroni, and Michele Pipan. Efficient Logging-While-Drilling image logs interpretation using deep learning // PETROPHYSICS. - JUNE 2024 - VOL. 65, NO. 3. p. 365–387. DOI:10.30632/PJV65N3-2024a5
12. Guillermo Marcelo Cuadros, Antonio Mainieri Vieira da Cunha, Wilson Yoji Nakamura Junior, Geraldo Majela Sartori Brandão, Guilherme Augusto Amaral, João Paulo Teixeira da Fonseca, Fátima Andreia de Freitas Brasil, Randolpho Lobo de Freitas Junior, Willy Viana Bohn, Ralf Wilhelm Bohrer3, Almir Rogério Pedroso da Sliva Santos, Ligia Naia de Matos, Soazig Leveque, Diogo Salim, Charles Silva, Mario Galaguza. Look-Ahead-While-Drilling technology assessment for early hazards identification in presalt offshore Brazil // PETROPHYSICS. - APRIL 2025 - VOL. 66, NO. 2. p. 190–211. DOI:10.30632/PJV66N2-2025a1
13. Holger Thern, Artur Kotwicki, Nicklas Ritzmann, Jon Torkel Petersen, Oliver Mohnke. Formation Evaluation Using NMR, Mud Gas, and Triple-Combo Data – A Norwegian Logging-While-Drilling case history // PETROPHYSICS. - JUNE 2022 - VOL. 63, NO. 3 PAGES 368–388. DOI:10.30632/PJV63N3-2022a6
14. Hyungjoo Lee, Alexander Mitkus, Andrew Pare, Kenneth McCarthy, Marc Willerth, Paul Reynerson, Tannor Ziehm, and Timothy Gee. A new workflow for estimating reservoir properties with gradient boosting model and joint inversion using MWD Measurements // PETROPHYSICS. APRIL 2024 - VOL. 65, NO. 2 PAGES 215–232. DOI:10.30632/PJV65N2-2024a5
15. Marco Pirrone, Nicola Bona, and Maria Teresa Galli. Physics-Based Probabilistic Permeability Prediction in Thin-Layered Reservoirs: transport theory, dielectric dispersion logging, and core-to-log Bayesian statistics // PETROPHYSICS. -DECEMBER 2024. - VOL. 65, NO. 6 p. 971–982. DOI:10.30632/PJV65N6-2024a10
16. Mikhail Sviridov, Dmitry Kushnir, Anton Mosin, Danil Nemuschenko, Michael Rabinovich. high-performance stochastic inversion for real-time processing of LWD ultradeep azimuthal resistivity data // PETROPHYSICS. -APRIL 2025. VOL. 66, NO. 2 p. 212–235. DOI:10.30632/PJV66N2-2025a2
17. Mohamed Fouda, Ahmed Taher, Ahmed Fateh, Ashok Kumar. understanding lateral permeability variations in heterogeneous carbonate reservoirs using Logging-While-Drilling NMR, microresistivity imaging, and azimuthally oriented formation testing // PETROPHYSICS. OCTOBER 2024. -VOL. 65, NO. 5. p.772–788. DOI:10.30632/PJV65N5-2024a7
18. Plinio Cancio Rocha da Silva Junior, Rodolfo Araujo Victor, Rodrigo Surmas, Emilio Velloso Barroso, Fábio André Perosi3. Permeability anisotropy in Brazilian presalt carbonates at core scale using digital rock petrophysics // PETROPHYSICS. OCTOBER 2024. - VOL. 65, NO. 5. p. 711–738. DOI:10.30632/PJV65N5-2024a4
19. TingHuang, Zhengwu Tao, Erpeng Li [et al.] Effect of Permeability Anisotropy on the Production of Multi-Scale Shale Gas Reservoirs // Energies, 2017.
20. Willian Andrighetto Trevizan, Candida Menezes de Jesus. Application of GAN to Resolution Enhancement of LWD Real-Time Image Logs to Support Decision Making // PETROPHYSICS. DECEMBER 2023. - VOL. 64, NO. 6. p. 890–899. DOI:10.30632/PJV64N6-2023a6
Zeyad Ramadan, David Allen, and Ahmed Allam. Characterizing thin-bed responses in horizontal wells using LWD NMR Tools: Insights From a Water Tank Experiment // PETROPHYSICS. OCTOBER 2024 - VOL. 65, NO. 5. p. 765–771; DOI:10.30632/PJV65N5-2024a6
