RECURRENT NEURAL NETWORK MODEL FOR BOTTOMHOLE PRESSURE AND TEMPERATURE IN STEPDOWN ANALYSIS

A method for fracturing a formation is provided. Real-time fracturing data is acquired from a well bore during fracturing operation. The real-time fracturing data is processed using a recurrent neural network trained using historical data from analogous wells. A real-time response variable prediction is determined using the processed real-time fracturing data. Fracturing parameters for the fracturing operation are adjusted in real-time based on the real-time response variable prediction. The fracturing operation is performed using the fracturing parameters that were adjusted based on the real-time response variable prediction. L'invention concerne un procédé de fracturation d'une formation. Des données de fracturation en temps réel sont acquises à partir d'un puits de forage pendant une opération de fracturation. Les données de fracturation en temps réel sont traitées grâce à un réseau neuronal récurrent entraîné en utilisant des données historiques provenant de puits analogues. Une prédiction variable de réponse en temps réel est déterminée en utilisant des données de fracturation en temps réel traitées. Des paramètres de fracturation pour l'opération de fracturation sont ajustés en temps réel en fonction de la prédiction variable de réponse en temps réel. L'opération de fracturation est effectuée en utilisant des paramètres de fracturation qui ont été ajustés en fonction de la prédiction variable de réponse en temps réel.