Use of neural networks for studying nontraditional hydrocarbon reservoirs (an example of Visean black shales of the Dnipro-Donets Basin)
The paper presents a study of Visean-stage clay shales of the Dnieper-Donets Basin using a neural network algorithm. The Dnieper-Donets Basin is among Ukraine’s prospective regions for shale gas exploration. Given the need to boost hydrocarbon production from depleted fields through non-traditional...
Saved in:
| Date: | 2025 |
|---|---|
| Main Authors: | , |
| Format: | Article |
| Language: | Ukrainian |
| Published: |
S. Subbotin Institute of Geophysics of the NAS of Ukraine
2025
|
| Subjects: | |
| Online Access: | https://journals.uran.ua/geofizicheskiy/article/view/341701 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Geofizicheskiy Zhurnal |
Institution
Geofizicheskiy Zhurnal| _version_ | 1856543671055286272 |
|---|---|
| author | Kurtyi, V.O. Verpakhovska, O.O. |
| author_facet | Kurtyi, V.O. Verpakhovska, O.O. |
| author_sort | Kurtyi, V.O. |
| baseUrl_str | |
| collection | OJS |
| datestamp_date | 2025-12-29T21:13:48Z |
| description | The paper presents a study of Visean-stage clay shales of the Dnieper-Donets Basin using a neural network algorithm.
The Dnieper-Donets Basin is among Ukraine’s prospective regions for shale gas exploration. Given the need to boost hydrocarbon production from depleted fields through non-traditional approaches, detailed geological and geophysical characterization of shale-gas-bearing strata is both timely and promising.
The oil and gas potential of combustible shales is largely governed by the content of organic matter, specifically the total organic carbon. For estimating total organic carbon in organic-rich rocks from wireline logs, the Passey method is widely used. We propose a new approach to forecasting organic-matter content in the target intervals when only a limited suite of logs and a restricted core dataset are available. The approach leverages state-of-the-art techniques, namely, a neural-network algorithm. Rapid advances in neural networks have encouraged their uptake in geophysical workflows, especially where input data are sparse. For this work, we employed a three-layer neural network of the multilayer Perceptron type, which directly maps inputs to outputs through successive neuron layers.
We demonstrate that combining the common Passey technique with a neural-network algorithm not only yields sufficiently accurate predictions of organic-matter content within shale intervals but also refine previously obtained results. |
| first_indexed | 2026-02-08T08:06:56Z |
| format | Article |
| id | journalsuranua-geofizicheskiy-article-341701 |
| institution | Geofizicheskiy Zhurnal |
| language | Ukrainian |
| last_indexed | 2026-02-08T08:06:56Z |
| publishDate | 2025 |
| publisher | S. Subbotin Institute of Geophysics of the NAS of Ukraine |
| record_format | ojs |
| spelling | journalsuranua-geofizicheskiy-article-3417012025-12-29T21:13:48Z Use of neural networks for studying nontraditional hydrocarbon reservoirs (an example of Visean black shales of the Dnipro-Donets Basin) Використання нейронних мереж для вивчення нетрадиційних покладів вуглеводнів (на прикладі візейських чорних сланців Дніпровсько-Донецької западини) Kurtyi, V.O. Verpakhovska, O.O. unconventional hydrocarbon reservoirs Dnieper–Donets Basin petrophysical properties organic-matter content (TOC) neural networks нетрадиційні поклади вуглеводнів Дніпровсько-Донецька западина петрофізичні властивості порід вміст органічної речовини нейронні мережі The paper presents a study of Visean-stage clay shales of the Dnieper-Donets Basin using a neural network algorithm. The Dnieper-Donets Basin is among Ukraine’s prospective regions for shale gas exploration. Given the need to boost hydrocarbon production from depleted fields through non-traditional approaches, detailed geological and geophysical characterization of shale-gas-bearing strata is both timely and promising. The oil and gas potential of combustible shales is largely governed by the content of organic matter, specifically the total organic carbon. For estimating total organic carbon in organic-rich rocks from wireline logs, the Passey method is widely used. We propose a new approach to forecasting organic-matter content in the target intervals when only a limited suite of logs and a restricted core dataset are available. The approach leverages state-of-the-art techniques, namely, a neural-network algorithm. Rapid advances in neural networks have encouraged their uptake in geophysical workflows, especially where input data are sparse. For this work, we employed a three-layer neural network of the multilayer Perceptron type, which directly maps inputs to outputs through successive neuron layers. We demonstrate that combining the common Passey technique with a neural-network algorithm not only yields sufficiently accurate predictions of organic-matter content within shale intervals but also refine previously obtained results. Представлено результати досліджень глинистих сланців візейського ярусу Дніпровсько-Донецької западини з використанням алгоритму нейронних мереж. Дніпровсько-Донецька западина є одним із перспективних регіонів України на поклади сланцевого газу. Оскільки для нарощування видобутку вуглеводнів необхідно вишукувати нетрадиційні шляхи, то детальне геолого-геофізичне дослідження порід, що містять сланцевий газ, на сьогодні є важливим та актуальним. Нафтогазовий потенціал горючих сланців значною мірою визначається вмістом органічної речовини, а саме показником total organic carbon — сумарний органічний вуглець. Для розрахунку загального вмісту органічного вуглецю в багатих на органіку породах з використанням каротажних даних широко використовується метод Пассі (Passey’s method). Авторами запропоновано новий підхід прогнозування вмісту органічної речовини для досліджуваних порід при використанні обмеженого комплексу каротажних даних і вибірки кернового матеріалу, який базується на залученні до досліджень новітніх технологій, а саме алгоритму нейронних мереж. Швидкий розвиток нейронних мереж призвів до їх залучення у геофізичних дослідженнях, особливо при обмеженій кількості вхідних даних. Для дослідження авторами було обрано тришарову нейронну мережу, що дало змогу безпосередньо з’єднувати вхідні дані з вихідними через шари нейронів. Встановлено, що поєднання методу Пассі із залученням алгоритму нейронних мереж уможливлює прогнозування вмісту органічної речовини в інтервалах глинистих сланців. S. Subbotin Institute of Geophysics of the NAS of Ukraine 2025-12-29 Article Article application/pdf https://journals.uran.ua/geofizicheskiy/article/view/341701 10.24028/gj.v47i6.341701 Geofizicheskiy Zhurnal; Vol. 47 No. 6 (2025) Геофизический журнал; Том 47 № 6 (2025) Геофізичний журнал; Том 47 № 6 (2025) 2524-1052 0203-3100 uk https://journals.uran.ua/geofizicheskiy/article/view/341701/335941 Copyright (c) 2025 Volodymyr Kurtyi, Oleksandra Verpakhovska https://creativecommons.org/licenses/by-nc-sa/4.0 |
| spellingShingle | unconventional hydrocarbon reservoirs Dnieper–Donets Basin petrophysical properties organic-matter content (TOC) neural networks Kurtyi, V.O. Verpakhovska, O.O. Use of neural networks for studying nontraditional hydrocarbon reservoirs (an example of Visean black shales of the Dnipro-Donets Basin) |
| title | Use of neural networks for studying nontraditional hydrocarbon reservoirs (an example of Visean black shales of the Dnipro-Donets Basin) |
| title_alt | Використання нейронних мереж для вивчення нетрадиційних покладів вуглеводнів (на прикладі візейських чорних сланців Дніпровсько-Донецької западини) |
| title_full | Use of neural networks for studying nontraditional hydrocarbon reservoirs (an example of Visean black shales of the Dnipro-Donets Basin) |
| title_fullStr | Use of neural networks for studying nontraditional hydrocarbon reservoirs (an example of Visean black shales of the Dnipro-Donets Basin) |
| title_full_unstemmed | Use of neural networks for studying nontraditional hydrocarbon reservoirs (an example of Visean black shales of the Dnipro-Donets Basin) |
| title_short | Use of neural networks for studying nontraditional hydrocarbon reservoirs (an example of Visean black shales of the Dnipro-Donets Basin) |
| title_sort | use of neural networks for studying nontraditional hydrocarbon reservoirs (an example of visean black shales of the dnipro-donets basin) |
| topic | unconventional hydrocarbon reservoirs Dnieper–Donets Basin petrophysical properties organic-matter content (TOC) neural networks |
| topic_facet | unconventional hydrocarbon reservoirs Dnieper–Donets Basin petrophysical properties organic-matter content (TOC) neural networks нетрадиційні поклади вуглеводнів Дніпровсько-Донецька западина петрофізичні властивості порід вміст органічної речовини нейронні мережі |
| url | https://journals.uran.ua/geofizicheskiy/article/view/341701 |
| work_keys_str_mv | AT kurtyivo useofneuralnetworksforstudyingnontraditionalhydrocarbonreservoirsanexampleofviseanblackshalesofthedniprodonetsbasin AT verpakhovskaoo useofneuralnetworksforstudyingnontraditionalhydrocarbonreservoirsanexampleofviseanblackshalesofthedniprodonetsbasin AT kurtyivo vikoristannânejronnihmereždlâvivčennânetradicíjnihpokladívvuglevodnívnaprikladívízejsʹkihčornihslancívdníprovsʹkodonecʹkoízapadini AT verpakhovskaoo vikoristannânejronnihmereždlâvivčennânetradicíjnihpokladívvuglevodnívnaprikladívízejsʹkihčornihslancívdníprovsʹkodonecʹkoízapadini |