Подход к поддержке принятия решений при наклонно-направленном бурении в условиях вариабельной геомагнитной обстановки

Арктическая зона РФ, содержащая свыше 20% запасов нефти и 75% запасов газа, характеризуется высокой вариабельностью геомагнитного поля, что создает значительные риски при разработке трудноизвлекаемых запасов углеводородов методами наклонно-направленного бурения. Геомагнитные возмущения, вызванные изменениями космической погоды, снижают точность магнитной инклинометрии, что требует разработки методов оперативного прогнозирования и учета этих возмущений для минимизации технологических рисков. Предложен научно обоснованный подход к поддержке принятия решений при наклонно-направленном бурении в высокоширотных регионах. Подход основан на прогнозировании дополнительной погрешности магнитных инклинометров, вызванной экстремальными вариациями геомагнитного поля. Проанализированы взаимосвязи между параметрами солнечного ветра, геомагнитными возмущениями и погрешностью магнитных измерений, что позволило установить ключевые корреляции, используемые в качестве основы для принятия решений. Разработана система поддержки принятия решений, включающая интеллектуальный анализ данных для прогнозирования погрешности инклинометрии. Наибольшую точность прогноза продемонстрировали алгоритмы градиентного бустинга, обеспечивающие среднюю абсолютную ошибку ~0,18° и коэффициент детерминации R2~0,85. Полученные результаты способствуют снижению рисков, связанных с недостаточной изученностью механизмов формирования геомагнитных вариаций в авроральном овале, а также с отсутствием оперативных данных о состоянии геомагнитного поля. Предлагаемый подход открывает новые возможности для повышения точности и безопасности наклонно-направленного бурения в условиях высокой геомагнитной активности.

Воробьев А. В., Ханнанов Н. К., Воробьева Г. Р. Подход к поддержке принятия решений при наклонно-направленном бурении в условиях вариабельной геомагнитной обстановки // Горный информационно-аналитический бюллетень. – 2026. – № 2. – С. 156–170. DOI: 10.25018/0236_1493_2026_2_0_156.

Работа выполнена при поддержке Российского научного фонда (проект № 21-77-30010-П).

Воробьев Андрей Владимирович — д-р техн. наук, старший научный сотрудник, Геофизический центр РАН, e-mail: geomagnet@list.ru, ORCID ID: 0000-0002-9680-5609,
Ханнанов Наиль Камилевич¹ — аспирант, e-mail: nael20000@yandex.ru, ORCID ID: 0009-0005-1132-3440,
Воробьева Гульнара Равилевна¹ — д-р техн. наук, профессор, e-mail: gulnara.vorobeva@gmail.com, ORCID ID: 0000-0001-7878-9724,
¹ Уфимский университет науки и технологий.

Ханнанов Н.К., e-mail: nael20000@yandex.ru.

1. Nagy R., Hartyanyi M., Bejczi R., Bartha L., Puskas S. Recent aspects of chemical enhanced oil recovery // Chemical Papers. 2025, vol. 79, pp. 2695—2716. DOI: 10.1007/s11696-025-03943-7.

2. Zhang Y., Msangi S., Edmonds J., Waldhoff S. Limited increases in Arctic offshore oil and gas production with climate change and the implications for energy markets // Scientific Reports. 2024, vol. 14, article 6699. DOI: 10.1038/s41598-024-54007-x.

3. Cherepovitsyn A. E., Rutenko E., Yudin S. Global challenges and opportunities for Arctic oil and gas projects // E3S Web of Conferences. 2023, vol. 378, article 06007. DOI: 10.1051/e3sconf/202337806007.

4. Yang J., Cai J., Wang S. Online compensation of geomagnetic measurement errors while drilling // IEEE Transactions on Instrumentation and Measurement. 2024, vol. 73, pp. 1—9. DOI: 10.1109/TIM.2024.3379082.

5. Yang C., Zeng Q., Xiong Z., Yang J. IMU/magnetometer-based azimuth estimation with norm constraint filtering // Sensors. 2024, vol. 24, no. 10, article 2982. DOI: 10.3390/s24102982.

6. Chang J. L., Jung K. L. Highly accurate accelerometer- and magnetometer-based elevation and azimuth estimation procedure under stationary conditions // Journal of Sensor Science and Technology. 2025, vol. 34, no. 1, pp. 8—18. DOI: 10.46670/JSST.2025.34.1.8.

7. Buzulukova N., Tsurutani B. Space weather: From solar origins to risks and hazards evolving in time // Frontiers in Astronomy and Space Sciences. 2022, vol. 9. DOI: 10.3389/fspas.2022.1017103.

8. Soloviev A. A., Sidorov R. V., Oshchenko A. A., Zaitsev A. N. On the need for accurate monitoring of the geomagnetic field during directional drilling in the Russian Arctic // Izvestiya, Physics of the Solid Earth. 2022, vol. 58, pp. 420—434. DOI: 10.1134/S1069351322020124.

9. Ягова Н. В., Розенберг И. Н., Гвишиани А. Д., Сахаров Я. А., Гаранин С. Л., Воронин В. А., Пилипенко В. А., Дубчак И. А. Исследование влияния геомагнитной активности на функционирование систем железнодорожной автоматики в Арктической зоне России // Арктика: экология и экономика. — 2023. — Т. 13. — № 3. — С. 341—352. DOI: 10.25283/2223-4594-2023-3-341-352.

10. Gvishiani A., Rozenberg I., Soloviev A. Geophysical processes in the Arctic and the system analysis of their impact on operation and development of the transport infrastructure // World of Transport and Transportation. 2023, vol. 21, pp. 6—34. DOI: 10.30932/1992-3252-2023-21-3-1.

11. Kudin D., Gvishiani A., Nikitina I., Belov I., Dzeboev B., Grudnev A., Dzeranov B. V., Krasnoperov R. Storage and processing of big data for geomagnetic support of directional drilling // Applied Sciences. 2024, vol. 14, article 9730. DOI: 10.3390/app14219730.

12. Vorobev A., Lapin A., Soloviev A., Vorobeva G. An approach to interpreting space weather natural indicators to evaluate the impact of space weather on high-latitude power systems // Izvestiya Physics of the Solid Earth. 2024, vol. 60, pp. 604—611. DOI: 10.1134/S106935132470054X.

13. Love J., Finn C. Real-time geomagnetic monitoring for space weather-related applications: Opportunities and challenges // Space Weather. 2017, vol. 15. DOI: 10.1002/2017SW001665.

14. Vorobev A. V., Vorobeva G. R. Machine learning for diagnostics of space weather effects for the Arctic Region // Moscow University Physics Bulletin. 2023, vol. 78 (Suppl 1), pp. 226—S235. DOI: 10.3103/S0027134923070317.

15. Kostianoy A. G., Gvishiani A. D., Rozenberg I. N., Krasnoperov R. I., Gvozdik S. A., Lebedev S. A., Nikitina I. M., Dubchak I. A., Shevaldysheva O. O., Sergeev V. N., Gvozdik G. A. Geoinformation analysis of regional climatic changes in the central and western Russian Arctic for railway development // Russian Journal of Earth Sciences. 2025, vol. 1, pp. 1—34. DOI: 10.2205/2025ES000956.

16. Kumar S., Pulkkinen T. I. Statistical analysis of magnetopause response during substorm phases // Annales Geophysicae. 2025, vol. 43, pp. 137—149. DOI: 10.5194/angeo-43-137-2025.

17. Lao C., Forsyth C., Freeman M., Smith A., Mooney M. On the association of substorm identification methods // Journal of Geophysical Research: Space Physics. 2024, vol. 129. DOI: 10.1029/2024JA032762.

18. Boudouridis A., Weygand J., Zesta E. Statistical comparison of southern and northern auroral electrojet indices as a function of solar wind and IMF conditions // Journal of Geophysical Research: Space Physics. 2024, vol. 129. DOI: 10.1029/2023JA032362.

19. Bergin A., Chapman S., Gjerloev J. AE, DST, and their SuperMAG counterparts: The effect of improved spatial resolution in geomagnetic indices // Journal of Geophysical Research: Space Physics. 2020, vol. 125. DOI: 10.1029/2020JA027828.

20. Nesse Tyssoy H., Partamies N., Babu E., Smith-Johnsen C., Salice J. The predictive capabilities of the auroral electrojet index for medium energy electron precipitation // Frontiers in Astronomy and Space Sciences. 2021, vol. 8. DOI: 10.3389/fspas.2021.714146.

21. Newell P., Sotirelis T., Liou K., Meng C., Rich F. A nearly universal solar-wind magnetosphere coupling function inferred from ten magnetospheric state variables // Journal of Geophysical Research. 2007, vol. 112. DOI: 10.1029/2006JA012015.

22. Shammi N. J., Ashraf T., Ifty R. A., Rahman M. Z. Forecasting geomagnetic storms for Earth using LSTM with solar wind and IMF features / 2024 International Conference on Innovations in Science, Engineering and Technology (ICISET), Chittagong, Bangladesh. 2024, pp. 1—6. DOI: 10.1109/ICISET62123.2024.10939246.

23. Sierra Porta D., Petro-Ramos J. D., Ruiz-Morales D. J., Herrera-Acevedo D. D., García-Teheran A. F., Alvarado M. Machine learning models for predicting geomagnetic storms across five solar cycles using dst index and heliospheric variables // Advances in Space Research. 2024, vol. 74. DOI: 10.1016/j.asr.2024.08.031.

24. Park W., Lee J., Kim K., Lee J., Park K., Miyashita Y., Sohn J., Park J., Kwak Y.-S, Hwang J., Frias A., Kim J., Yi Y. Operational Dst index prediction model based on combination of artificial neural network and empirical model // Journal of Space Weather and Space Climate. 2021, vol. 11. DOI: 10.1051/swsc/2021021.

25. Воробьева Г. Р., Воробьев А. В., Фарваев Э. Ф. Подход к решению проблемы дефицита геомагнитных данных в задачах поддержки принятия решений // Научно-технический вестник информационных технологий, механики и оптики. — 2025. — Т. 25. — № 1. — С. 151—159. DOI: 10.17586/2226-1494-2025-25-1-151-159.