georesГеоресурсыGeoresources1608-50431608-5078Georesursy LLC10.18599/grs.2024.4.10geores-426Research ArticleПОИСК, РАЗВЕДКА И РАЗРАБОТКА МЕСТОРОЖДЕНИЙ УГЛЕВОДОРОДОВ, ИССЛЕДОВАНИЕ КОЛЛЕКТОРОВPROSPECTING, EXPLORATION AND DEVELOPMENT OF HYDROCARBON DEPOSITS, RESERVOIR PROPERTIES STUDYИсследование влияния параметров эксплуатации скважин залежи нефти карбонатного коллектора на коэффициент продуктивности с применением статистических методов анализаStudy of the Influence of Well Operation Parameters of a Carbonate Reservoir Oil Formation on the Coefficient of Productivity Using Statistical Methods of AnalysisНовиковВ. А.NovikovV. A.

Владимир Андреевич Новиков – кандидат тех. наук, старший научный сотрудник кафедры Нефтегазовые технологии.

614990, Пермь, пр. Комсомольский, д. 29

Vladimir A. Novikov – Cand. Sci. (Technical Sciences), Senior Researcher, Department of Oil and Gas Technologies.

29 Komsomolskiy av., Perm, 614990

novikov.vladimir.andr@gmail.comМартюшевД. А.MartyushevD. A.

Дмитрий Александрович Мартюшев – доктор тех. наук, доцент, профессор кафедры Нефтегазовые технологии.

614990, Пермь, пр. Комсомольский, д. 29

Dmitriy A. Martyushev – Dr. Sci. (Technical Sciences), Professor, Department of Oil and Gas Technologies.

29 Komsomolskiy av., Perm, 614990

martyushevd@inbox.ruПермский национальный исследовательский политехнический университетРоссияPerm National Research Polytechnic UniversityRussian Federation202430122024264187199Copyright © Новиков В.А., Мартюшев Д.А., 20242024Новиков В.А., Мартюшев Д.А.Novikov V.A., Martyushev D.A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.geors.ru/jour/article/view/426

Коэффициент продуктивности скважин является одним из важнейших показателей для разработки карбонатных коллекторов нефтяных месторождений, контроль и поддержание высоких значений которого определяет уровень добычи углеводородного сырья. Актуальным направлением исследований в области добычи нефти остается определение комплексного влияния геологических и технологических факторов на добывные возможности скважин. Настоящая работа посвящена повышению эффективности эксплуатации добывающих скважин залежи нефти карбонатного коллектора на основании результатов оценки и учета при формировании технологических решений взаимосвязей между коэффициентом продуктивности и геолого-промысловыми параметрами, такими как пластовое давление, забойное давление, скин-фактор, газовый фактор, обводненность продукции, с применением статистических методов анализа. На стадии подготовки исходных данных использованы материалы гидродинамических и промыслово-геофизических исследований, выполненных на скважинах в течение всего периода разработки залежи нефти одного из месторождений Пермского края. Анализ полученной выборки данных с применением статистических методов позволил установить взаимосвязи между продуктивностью скважин и рассматриваемыми геолого-промысловыми параметрами. с использованием пошагового регрессионного анализа построен ряд многомерных статистических моделей, совокупно демонстрирующих на основании частот встречаемости параметров и порядка их включения в модель преобладающее влияние на удельный коэффициент продуктивности скважин значений забойного давления, пластового давления и обводненности продукции. Исследование динамики изменения накопленного коэффициента множественной корреляции при построении статистических моделей позволило выделить диапазоны (области) изменения значений удельного коэффициента продуктивности скважин, для которых характерны индивидуальные взаимосвязи с геолого-промысловыми параметрами, описанные соответствующими математическими зависимостями. разработанные модели характеризуются высокой работоспособностью, что подтверждается их статистическими оценками при сопоставлении прогнозных и фактических значений удельного коэффициента продуктивности скважин. сформированы критерии применимости моделей для условий карбонатных коллекторов нефтяных месторождений. результаты исследования могут использоваться для обоснования и регулирования технологических режимов эксплуатации скважин, планирования программ оптимизационных мероприятий.

Well productivity index is one of the most important indicators for the development of carbonate reservoirs of oil fields, control and maintenance of high values of which determines the levels of hydrocarbon production. Determination of the complex influence of geological and technological factors on production capabilities of wells remains an actual direction of research in the field of oil producing. The present paper is devoted to improving the efficiency of production wells in a carbonate reservoir oil deposit based on the results of evaluation and consideration of the relationship between the productivity index and geological and field parameters such as reservoir pressure, bottomhole pressure, skin-factor, gas-oil ratio, water cut, using statistical methods of analysis. At the stage of preparation of initial data the materials of hydrodynamic and production-geophysical studies performed on the wells during the whole period of development of oil reservoir of one of the fields of Perm region were involved. The analysis of the obtained data sample with the use of statistical methods allowed us to study the relationships between the specific well productivity index and the considered geological and production parameters. Multivariate statistical models were developed using stepby-step regression analysis, collectively demonstrating the predominant influence of bottomhole pressure, reservoir pressure and water cut on the specific well productivity index based on the frequencies of occurrence of parameters and the order of their inclusion in the model. The study of the dynamics of changes in the accumulated multiple correlation coefficient during the development of statistical models allowed us to identify the ranges (areas) of change in the values of the specific well productivity index, which are characterized by individual correlations with geological and production parameters described by the corresponding mathematical dependencies. The developed models are characterized by high quality, which is confirmed by their statistical evaluations when comparing forecast and factual values of specific well productivity index. The criteria of applicability of models for conditions of carbonate reservoirs of oil fields are formed. The results of the study can be used for justification and regulation of technological modes of well operation, planning programs of optimization measures.

коэффициент продуктивности скважиныкарбонатный коллекторпластовое давлениезабойное давлениеобводненностьwell productivity indexcarbonate reservoirreservoir pressurebottomhole pressurewater cutИсследования выполнены при поддержке Министерства науки и высшего образования российской Федерации (проект № FSNM-2024-0005)The research was supported by the Ministry of Science and Higher Education of the Russian Federation (project No. FSNM-2024-0005)ReferencesБахитов Р.Р. (2019). Применение алгоритмов машинного обучения в задачах прогноза коэффициента продуктивности скважин карбонатных месторождений. Нефтяное хозяйство, (9), с. 82–85. https://doi.org/10.24887/0028-2448-2019-9-82-85Al-Kabbawi F.A.A. (2024). Simple pseudo-steady state productivity index correlations for infinite-conductivity horizontal wells based on a rigorous, semi-analytical model. Geoenergy Science and Engineering, 233, 212534. https://doi.org/10.1016/j.geoen.2023.212534Борхович С.Ю., Натаров А.Л. (2018). Влияние геолого-физических условий на продуктивность добывающих скважин. Нефть. Газ. Новации, (7), с. 28–30.Al-Rbeawi S. (2019). Integrated deterministic approaches for productivity index of reservoirs depleted by horizontal wells and undergone multiphase flow conditions. Journal of Natural Gas Science and Engineering, 64, pp. 152–174. https://doi.org/10.1016/j.jngse.2019.01.024Галкин В.И., Пономарева И.Н., Черных И.А., Филиппов Е.В., Чумаков Г.Н. (2019). Методика определения забойного давления с использованием многомерных моделей. Нефтяное хозяйство, (1), с. 40–43. https://doi.org/10.24887/0028-2448-2019-1-40-43Al-Rbeawi S., Kadhim F. (2017). The impact of hydraulic flow unit & reservoir quality index on pressure profile and productivity index in multisegments reservoirs. Petroleum, 3(4), pp. 414–430. https://doi.org/10.1016/j.petlm.2017.05.004Галкин В.И., Колтырин А.Н. (2019). Исследование и анализ методов определения эффективности применения технологии пропантного гидроразрыва пласта. Известия Томского политехнического университета. Инжиниринг георесурсов, 330(11), с. 50–58. https://doi.org/10.18799/24131830/2019/11/2347Al-Rbeawi S., Kadhim F.S. (2020). Practical solution for stabilized pseudo-steady state productivity index of multiple vertical wells depleting closed reservoirs. Petroleum, 6(1), pp. 53–69. https://doi.org/10.1016/j.petlm.2018.10.002Грачев С.И., Земцов Ю.В., С Емененко А.Ф., Акинин Д.В. (2022). Исследование влияния подвижности двухфазного потока в коллекторе нижненеокомской подсвиты на снижение коэффициента продуктивности. Нефтяное хозяйство, (2), с. 85–87. https://doi.org/10.24887/0028-2448-2022-2-85-87Al-Rbeawi S. (2018). The optimal reservoir configuration for maximum productivity index of gas reservoirs depleted by horizontal wells under Darcy and non-Darcy flow conditions. Journal of Natural Gas Science and Engineering, 49, pp. 179–193. https://doi.org/10.1016/j.jngse.2017.11.012Давлетбакова Л.А., Габитова С.И., Климов В.Ю., Шуваев Д.В., Эдельман И.Я., Шмидт С.А. (2021). Новый метод мониторинга динамики изменения коэффициента продуктивности скважин. PROнефть. Профессионально о нефти, 6(2), с. 33–38.Bakhitov R.R. (2019). Application of machine learning algorithms in tasks of well productivity index forecasting for carbonate oil fields. Neftyanoe Khozyaystvo = Oil industry, 9, pp. 82–85. (In Russ.) https://doi.org/10.24887/0028-2448-2019-9-82-85Дорфман М.Б., Туфанова О.П. (2019). Влияние создаваемых депрессий при эксплуатации скважин на изменение коэффициента продуктивности в карбонатных коллекторах. Оборудование и технологии для нефтегазового комплекса, (4), с. 52–57. https://doi.org/10.33285/1999-6934-2019-4(112)-52-57Borkhovich S.Yu., Natarov A.І. (2018). The effect of geological and physical conditions upon production well efficiency. Neft’. Gaz. Novatsii, 7, pp. 28–30. (In Russ.)Дьячков А.А., Галимов Р.Г., Фуфаев С.А. (2023). Влияние снижения забойного давления ниже давления насыщения на коэффициент продуктивности в условиях низкопроницаемых коллекторов тюменской свиты на примере месторождения Шаимского района. и разработка нефтяных и газовых месторождений, (10), с. 42–48. https://doi.org/10.33285/2413-5011-2023-10(382)-42-48Davletbakova L.A., Gabitova S.I., Klimov V.Yu., Shuvaev D.V., Edelman I.Ya., Shmidt S.A. (2021). A new method for monitoring wells productivity index dynamics. PROneft, 6(2), pp. 33–38. (In Russ.)Закиров Н.Н., Александров В.М., Ягафаров А.К., Спасибов В.М., Попова Ж.С. (2023). К вопросу точности оценки коэффициента продуктивности малодебитных скважин. Нефтегазовое дело, 21(2), с. 6–16. https://doi.org/10.17122/ngdelo-2023-2-6-16Dorfman M.B., Tufanova O.P. (2019). Influence of the created drawdowns during wells operation on the productivity coefficient change in carbonate reservoirs. Equipment and technologies for oil and gas complex, 4 (112), pp. 52–57. (In Russ.) https://doi.org/10.33285/1999-6934-2019-4(112)-52-57Козубовский А.Г., Кузьмина Т.В. (2022). Исследование влияния процесса разработки залежи на продуктивность скважин. PROнефть. Профессионально о нефти, 7(2), с. 32–40. https://doi.org/10.51890/2587-7399-2022-7-2-32-40Dyachkov A.A., Galimov R.G., Fufaev S.A. (2023). The effect of bottomhole pressure reduction below saturation pressure on the productivity coefficient in conditions of low-permeable reservoirs of the tyumen formation on the example of the Shaimskiy district deposit. Geology, geophysics and development of oil and gas fields, 10(382), pp. 42–48. (In Russ.) https://doi.org/10.33285/2413-5011-2023-10(382)-42-48Левченко И.С., Каган К.Г., Левченко В.С., Ермоловский А.В., Протасова С.А., Смолянская О.А. (2023). Опыт оценки продуктивных характеристик эксплуатационного объекта гидродинамическими и геохимическими методами. Геология, геофизика и разработка нефтяных и газовых месторождений, (10), с. 57–65. https://doi.org/10.33285/2413-5011-2023-10(382)-57-65Filippov е.V., Zakharov L.A., Martyushev D.A., Ponomareva I.N. (2022). reproduction of reservoir pressure by machine learning methods and study of its influence on the cracks formation process in hydraulic fracturing. Journal of Mining Institute, 258, pp. 924–932. (In Russ.) https://doi.org/10.31897/PMI.2022.103Лысенко В.Д. (2009). О закономерности снижения коэффициента продуктивности скважин по нефти. Нефтепромысловое дело, (5), с. 8–10.Galkin V.I. Koltyrin A.N. (2019). Research and analysis of methods for determining the efficiency of application of the proppant hydraulic fracturing. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, 330(11), pp. 50–58. (In Russ.) https://doi.org/10.18799/24131830/2019/11/2347Мартюшев Д.А. (2020). Оценка влияния напряженного состояния горных пород на проницаемость карбонатных коллекторов. Известия Томского политехнического университета. Инжиниринг георесурсов, 331(8), с. 24–33. https://doi.org/10.18799/24131830/2020/8/2765Galkin V.I., Martyushev D.A., Ponomareva I.N., Chernykh I.A. (2021). Developing features of the near-bottomhole zones in productive formations at fields with high gas saturation of formation oil. Journal of Mining Institute, 249, pp. 386–392. https://doi.org/10.31897/PMI.2021.3.7Мартюшев Д.А. (2021). Экспериментальное исследование влияния забойного давления добывающих скважин на выработку запасов из сложнопостроенных карбонатных коллекторов. Известия Томского политехнического университета. Инжиниринг георесурсов, 332(5), с. 110–119. https://doi.org/10.18799/24131830/2021/5/3190Galkin V.I., Ponomareva I.N., Chernykh I.A., Filippov E.V., Chumakov G.N. (2019). Methodology for estimating downhole pressure using multivariate model. Neftyanoe Khozyaystvo = Oil industry, 1, pp. 40–43. (In Russ.) https://doi.org/10.24887/0028-2448-2019-1-40-43Мартюшев Д.А., Зайцев Р.А. (2019). Влияние петрофизических параметров рифогенных карбонатных коллекторов нефтяных месторождений турнейско-фаменских отложений Верхнего Прикамья на продуктивность добывающих скважин. Известия Томского политехнического университета. Инжиниринг георесурсов, 330(11), с. 77–85. https://doi.org/10.18799/24131830/2019/11/2350Grachev S.I., Zemtsov Yu.V., Semenenko A.F., Akinin D.V. (2022). Study of the influence of the mobility of a two-phase flow in the reservoir of the lower neokomian subformation on the decrease in the productivity index. Neftyanoe Khozyaystvo = Oil industry, 2, pp. 85–87. (In Russ.) https://doi.org/10.24887/0028-2448-2022-2-85-87Мухаметшин В.Ш. (2011). Оценка коэффициента продуктивности залежей по косвенным данным на стадии составления первых проектных документов. Нефтегазовое дело, 9(3), с. 11–12.Hagoort J. (2008). Stabilized well productivity in double-porosity reservoirs. SPE Reservoir Evaluation & Engineering, 11, pp. 940–947. https://doi.org/10.2118/110984-PAМухаметшин В.Ш., Кулешова Л.С., Сафиуллина А.Р. (2021). Группирование и выделение залежей нефти в карбонатных коллекторах по продуктивности на стадии проведения геолого-разведочных работ. Известия Томского политехнического университета. Инжиниринг георесурсов, 332(12), с. 43–51. https://doi.org/10.18799/24131830/2021/12/2982Hagoort J. (2011). Semisteady-state productivity of a well in a rectangular reservoir producing at constant rate or constant pressure. SPE Reservoir Evaluation & Engineering, 14, pp. 677–686. https://doi.org/10.2118/149807-PAПоплыгин В.В., Уирсигроч М., Пав Лов Ская Е . Е . (2016). Прогнозирование изменения коэффициентов продуктивности скважин в башкирско-серпуховских отложениях месторождений севера Пермского края. Нефтяное хозяйство, (10), с. 78–81.He M., Yang Q., Asteris P.G., Zhao Q. (2025). A comparative study of three types of strength criteria for rocks. Rock Mechanics Letters, 2(1), 8. https://doi.org/10.70425/rml.202501.8Попов С.Н., Чернышов С.Е., Гладких Е.А. (2022). Влияние деформаций терригенного коллектора в процессе снижения забойного и пластового давления на изменение проницаемости и продуктивности скважины. Известия Томского политехнического университета. Инжиниринг георесурсов, 333(9), с. 148–157. https://doi.org/10.18799/24131830/2022/9/3640Hu J., Zhang C., Rui Z., Yu Y., Chen Z. (2017). Fractured horizontal well productivity prediction in tight oil reservoirs. Journal of Petroleum Science and Engineering, 151, pp. 159–168. https://doi.org/10.1016/j.petrol.2016.12.037Рябоконь Е.П., Турбаков М.С., Гладких Е.А., Кожевников Е.В., Гузев М.А. (2024). Восстановление проницаемости горной породы, ухудшенной жидкостью глушения скважин, с помощью ультразвуковых колебаний: экспериментальные исследования. Георесурсы, 26(1), с.118–126. https://doi.org/10.18599/grs.2024.1.10Hui G., Chen Z., Wang Y., Zhang D., Gu F. (2023). An integrated machine learning-based approach to identifying controlling factors of unconventional shale productivity. Energy, 266, 126512. https://doi.org/10.1016/j.energy.2022.126512Сокотущенко В.Н. (2023). Определение удельных ко эффициентов продуктивности и дебита группы скважин с учётом неоднородности призабойной зоны пласта. Геология, геофизика и разработка нефтяных и газовых месторождений, (3), с. 41–45. https://doi.org/10.33285/2413-5011-2023-3(375)-41-45Huseynov R., Babayev J., Sadikoglu K., Azizov E., Ismayilova F. (2017). Water breakthrough effect on well productivity and skin factor change. SPE Annual Caspian Technical Conference and Exhibition, SPE-189033-MS. https://doi.org/10.2118/189033-MSФилиппов Е.В., Захаров Л.А., Мартюшев Д.А., Пономарева И.Н. (2022). Воспроизведение пластового давления методами машинного обучения и исследование его влияния на процесс образования трещин при гидравлическом разрыве пласта. Записки Горного института, 258, c. 924–932. https://doi.org/10.31897/PMI.2022.103Jia J., Li D., Wang L., Fan Q. (2024). Novel Transformer-based deep neural network for the prediction of post-refracturing production from oil wells. Advances in Geo-Energy Research, 13(2), pp. 119–131. https://doi.org/10.46690/ager.2024.08.06Щербаков А.А., Хижняк Г.П., Галкин В.И. (2019). Прогнозирование коэффициента продуктивности скважин с боковым стволом (на примере уньвинского месторождения). Известия Томского политехнического университета. Инжиниринг георесурсов, 330(5), с. 93–99. https://doi.org/10.18799/24131830/2019/5/272Kozubovsky A.G., Kuzmina T.V. (2022). The impact of development of reservoir on well productivity. PROneft, 7(2), pp. 32–40. (In Russ.) https://doi.org/10.51890/2587-7399-2022-7-2-32-40Al-Kabbawi F.A.A. (2024). Simple pseudo-steady state productivity index correlations for infinite-conductivity horizontal wells based on a rigorous, semi-analytical model. Geoenergy Science and Engineering, 233, 212534. https://doi.org/10.1016/j.geoen.2023.212534Levchenko I.S., Kagan K.G., Levchenko V.S., Ermolovskiy A.V., Protasova S.A., Smolyanskaya O.A. (2023). Experience of estimation of operational object production characteristics by applying hydrodynamic and geochemical methods. Geology, geophysics and development of oil and gas fields, 10(382), pp. 57–65. (In Russ.) https://doi.org/10.33285/2413-5011-2023-10(382)-57-65Al-Rbeawi S. (2019). Integrated deterministic approaches for productivity index of reservoirs depleted by horizontal wells and undergone multiphase flow conditions. Journal of Natural Gas Science and Engineering, 64, pp. 152–174. https://doi.org/10.1016/j.jngse.2019.01.024Liu W., Chen Z., Hu Y., Xu L. (2023). A systematic machine learning method for reservoir identification and production prediction. Petroleum Science, 20(1), pp. 295–308. https://doi.org/10.1016/j.petsci.2022.09.002Al-Rbeawi S., Kadhim F. (2017). The impact of hydraulic flow unit & reservoir quality index on pressure profile and productivity index in multisegments reservoirs. Petroleum, 3(4), pp. 414–430. https://doi.org/10.1016/j.petlm.2017.05.004Lysenko V.D. (2009). On the regularity of decrease in the oil productivity index of wells. Neftepromyslovoe delo = Oilfield Engineering, 5, pp. 8–10. (In Russ.)Al-Rbeawi S., Kadhim F.S. (2020). Practical solution for stabilized pseudo-steady state productivity index of multiple vertical wells depleting closed reservoirs. Petroleum, 6(1), pp. 53–69. https://doi.org/10.1016/j.petlm.2018.10.002Martyushev D.A. (2020). Rock stress state influence on permeability of carbonate reservoirs. Bulletin of the Tomsk Polytechnic University, Geo Assets Engineering, 331(8), pp. 24–33. (In Russ.) https://doi.org/10.18799/24131830/2020/8/2765Al-Rbeawi S. (2018). The optimal reservoir configuration for maximum productivity index of gas reservoirs depleted by horizontal wells under Darcy and non-Darcy flow conditions. Journal of Natural Gas Science and Engineering, 49, pp. 179–193. https://doi.org/10.1016/j.jngse.2017.11.012Martyushev D.A. (2021). Experimental study of the influence of bottomhole pressure of producing wells on reserve production from complicated carbonate reservoirs. Bulletin of the Tomsk Polytechnic University, Geo Assets Engineering, 332(5), pp.110–119. (In Russ.) https://doi.org/10.18799/24131830/2021/5/3190Galkin V.I., Martyushev D.A., Ponomareva I.N., Chernykh I.A. (2021). Developing features of the near-bottomhole zones in productive formations at fields with high gas saturation of formation oil. Journal of Mining Institute, 249, pp. 386–392. https://doi.org/10.31897/PMI.2021.3.7Martyushev D.A., Zaytsev R.A. (2019). Influence of oilfield reef carbonate reservoir petrophysical parameters of tournasian-famennian deposits in upper Kama on well productivity. Bulletin of the Tomsk Polytechnic University, Geo Assets Engineering, 330(11), pp.77–85. (In Russ.) https://doi.org/10.18799/24131830/2019/11/2350Hagoort J. (2008). Stabilized well productivity in double-porosity reservoirs. SPE Reservoir Evaluation & Engineering, 11(05), pp. 940–947. https://doi.org/10.2118/110984-PAMaschio C., Schiozer D.J. (2023). A new procedure for well productivity and injectivity calibration to improve short-term production forecast. Geoenergy Science and Engineering, 229, 212105. https://doi.org/10.1016/j.geoen.2023.212105Hagoort J. (2011). Semisteady-state productivity of a well in a rectangular reservoir producing at constant rate or constant pressure. SPE Reservoir Evaluation & Engineering, 14(06), pp. 677–686. https://doi.org/10.2118/149807-PAMukhametshin V.Sh. (2011). Estimation of reservoir productivity factor based on indirect data at the stage of working out initial design documents. Neftegazovoe delo=Petroleum Engineering, 9(3), pp. 11–12. (In Russ.)He M., Yang Q., Asteris P.G., Zhao Q. (2025). A comparative study of three types of strength criteria for rocks. Rock Mechanics Letters, 2(1), 8. https://doi.org/10.70425/rml.202501.8Mukhametshin V.Sh., Kuleshova L.S., Safiullina A.R. (2021). Grouping and determining oil reservoirs in carbonate reservoirs by their productivity at the stage of geological exploration. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, 332(12), pp. 43–51. (In Russ.) https://doi.org/10.18799/24131830/2021/12/2982Hu J., Zhang Ch., Rui Z., Yu Y., Chen Zh. (2017). Fractured horizontal well productivity prediction in tight oil reservoirs. Journal of Petroleum Science and Engineering, 151, pp. 159–168. https://doi.org/10.1016/j.petrol.2016.12.037Naik S., You Zh., Bedrikovetsky P. (2018). Productivity index enhancement by wettability alteration in two-phase compressible flows. Journal of Natural Gas Science and Engineering, 50, pp. 101–114. https://doi.org/10.1016/j.jngse.2017.11.007Hui G., Chen Zh., Wang Y., Zhang D., Gu F. (2023). An integrated machine learning-based approach to identifying controlling factors of unconventional shale productivity. Energy, 266, 126512. https://doi.org/10.1016/j.energy.2022.126512Nwanwe Ch.C., Duru U.I., Anyadiegwu Ch., Ekejuba A.I.B. (2023). An artificial neural network visible mathematical model for real-time prediction of multiphase flowing bottom-hole pressure in wellbores. Petroleum Research, 8(3), 370–385. https://doi.org/10.1016/j.ptlrs.2022.10.004Huseynov R., Babayev J., Sadikoglu K., Azizov E., Ismayilova F. (2017). Water breakthrough effect on well productivity and skin factor change. SPE Annual Caspian Technical Conference and Exhibition, SPE-189033-MS. https://doi.org/10.2118/189033-MSPonomareva I.N., Galkin V.I., Martyushev D.A. (2021). Operational method for determining bottom hole pressure in mechanized oil producing wells, based on the application of multivariate regression analysis. Petroleum Research, 6(4), pp. 351–360. https://doi.org/10.1016/j.ptlrs.2021.05.010Jia J., Li D., Wang L., Fan Q. (2024). Novel Transformer-based deep neural network for the prediction of post-refracturing production from oil wells. Advances in Geo-Energy Research, 13(2), pp. 119–131. https://doi.org/10.46690/ager.2024.08.06Poplygin V.V., Wiercigroch M., Pavlovskaia E.E. (2016). Forecasting changes of the wells productive coefficients for the bashkirian-serpukhovian deposits in the north of the Perm region. Neftyanoe Khozyaystvo = Oil industry, 10, pp. 78–81. (In Russ.)Liu W., Chen Zh., Hu Y., Xu L. (2023). A systematic machine learning method for reservoir identification and production prediction. Petroleum Science, 20(1), pp. 295–308. https://doi.org/10.1016/j.petsci.2022.09.002Popov S.N., Chernyshov S.E., Gladkikh E.A. (2022). Influence of sandstone reservoir deformations during bottomhole and reservoir pressure decreasing on the permeability and well productivity changes. Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, 333(9), pp. 148–157. (In Russ.) https://doi.org/10.18799/24131830/2022/9/3640Maschio C., Schiozer D.J. (2023). A new procedure for well productivity and injectivity calibration to improve short-term production forecast. Geoenergy Science and Engineering, 229, 212105. https://doi.org/10.1016/j.geoen.2023.212105Ramah Sh.G., Othman M.A., Nouh A.Z., El-Kwidy T. (2022). Prediction of fold-of-increase in productivity index post limited entry fracturing using artificial neural network. Petroleum Research, 7(2), pp. 236–245. https://doi.org/10.1016/j.ptlrs.2021.09.002Naik S., You Zh., Bedrikovetsky P. (2018). Productivity index enhancement by wettability alteration in two-phase compressible flows. Journal of Natural Gas Science and Engineering, 50, pp. 101–114. https://doi.org/10.1016/j.jngse.2017.11.007Riabokon E.P., Turbakov M.S., Gladkikh E.A., Kozhevnikov E.V., Guzev M.A. (2024). Restoration of Rock Permeability Degraded by Well Killing Fluid Using Ultrasonic Vibrations: Experimental Studies. Georesursy = Georesources, 26(1), pp. 118–126. (In Russ.) https://doi.org/10.18599/grs.2024.1.10Nwanwe Ch.C., Duru U.I., Anyadiegwu Ch., Ekejuba A.I.B. (2023). An artificial neural network visible mathematical model for real-time prediction of multiphase flowing bottom-hole pressure in wellbores. Petroleum Research, 8(3), pp. 370–385. https://doi.org/10.1016/j.ptlrs.2022.10.004Shcherbakov A.A., Khizhnyak G.P., Galkin V.I. (2019). Prediction of sidetrack wells productivity index (on example of the Unvinskoe field). Bulletin of the Tomsk Polytechnic University. Geo Assets Engineering, 330(5), pp. 93–99. (In Russ.) https://doi.org/10.18799/24131830/2019/5/272Ponomareva I.N., Galkin V.I., Martyushev D.A. (2021). Operational method for determining bottom hole pressure in mechanized oil producing wells, based on the application of multivariate regression analysis. Petroleum Research, 6(4), pp. 351–360. https://doi.org/10.1016/j.ptlrs.2021.05.010Sokotushchenko V.N. (2023). Determination of specific coefficients of productivity and flow rate of a group of wells, taking into account the heterogeneity of a reservoir bottom-hole zone. Geology, geophysics and development of oil and gas fields, 3(375), pp. 41–45. (In Russ.) https://doi.org/10.33285/2413-5011-2023-3(375)-41-45Ramah Sh.G., Othman M.A., Nouh A.Z., El-Kwidy T. (2022). Prediction of fold-of-increase in productivity index post limited entry fracturing using artificial neural network. Petroleum Research, 7(2), pp. 236–245. https://doi.org/10.1016/j.ptlrs.2021.09.002Tang Y., Yildiz T., Ozkan E., Kelkar M. (2002). Effects of formation damage and high-velocity flow on the productivity of perforated horizontal wells. SPE Annual Technical Conference and Exhibition, SPE-77534-MS. https://doi.org/10.2118/77534-MSTang Y., Yildiz T., Ozkan E., Kelkar M. (2002). Effects of formation damage and high-velocity flow on the productivity of perforated horizontal wells. SPE Annual Technical Conference and Exhibition, SPE-77534-MS. https://doi.org/10.2118/77534-MSWen Sh., Wei B., You J., He Y., Xin J., Varfolomeev M.A. (2023). Forecasting oil production in unconventional reservoirs using long short term memory network coupled support vector regression method: A case study. Petroleum, 9(4), pp. 647–657. https://doi.org/10.1016/j.petlm.2023.05.004Wen Sh., Wei B., You J., He Y., Xin J., Varfolomeev M.A. (2023). Forecasting oil production in unconventional reservoirs using long short term memory network coupled support vector regression method: A case study. Petroleum, 9(4), pp. 647–657. https://doi.org/10.1016/j.petlm.2023.05.004Zakirov N.N., Alexandrov V.M., Yagafarov A.K., Spasibov V.M., Popova Zh.S. (2023). To the question of accuracy of evaluation of the productivity factor of low-production wells. Neftegazovoe delo=Petroleum Engineering, 21(2), pp. 6–16. (In Russ.). https://doi.org/10.17122/ngdelo-2023-2-6-16Zhang G., Tan Z, Zhang G., Li D., Liu Ch., Zhang Zh., Cao J., Lei X. (2024). A multi-mineral model for predicting petrophysical properties of complex metamorphic reservoirs: Case study of the Bozhong Depression, Bohai Sea. Energy Geoscience, 5(3), 100271. https://doi.org/10.1016/j.engeos.2023.100271Zhang G., Tan Z, Zhang G., Li D., Liu Ch., Zhang Zh., Cao J., Lei X. (2024). A multi-mineral model for predicting petrophysical properties of complex metamorphic reservoirs: Case study of the Bozhong Depression, Bohai Sea. Energy Geoscience, 5(3), 100271. https://doi.org/10.1016/j.engeos.2023.100271Zhang M., Nguyen K., Wang Zh.-Q., Ayala L.F. (2023). Flowback and early-time production modeling of unconventional gas wells using an improved semi-analytical method. Petroleum Science, 20(6), pp. 3441–3449. https://doi.org/10.1016/j.petsci.2023.06.003Zhang M., Nguyen K., Wang Zh.-Q., Ayala L.F. (2023). Flowback and early-time production modeling of unconventional gas wells using an improved semi-analytical method. Petroleum Science, 20 (6), pp. 3441–3449. https://doi.org/10.1016/j.petsci.2023.06.003

The authors declare that there are no conflicts of interest present.