Ученые РФ разработали программу для анализа данных разведки нефтегазовых месторождений

Новосибирск. Программный модуль с применением машинного обучения для интерпретации трехмерных сейсмических данных разработали в Новосибирском государственном университете (НГУ). Модуль автоматически находит все необходимые параметры, избавляя специалиста от необходимости подбирать их вручную, сообщили в пресс-службе вуза.

Геофизическая разведка, известная как сейсморазведка, служит для обнаружения залежей углеводородов, таких как нефть и газ, на значительной глубине. В нефтегазовой промышленности широко применяется сейсморазведка, основанная на регистрации отраженных сейсмических волн. Эти волны улавливаются специализированными сенсорами, после чего формируется трехмерная модель изучаемой области недр. Анализ этой модели позволяет сделать заключения о геологическом строении и выявить объекты, перспективные с точки зрения наличия нефти и газа.

Как подчеркивают разработчики, особенность данной разработки заключается в автоматизированном определении всех необходимых параметров, что исключает необходимость ручной настройки специалистом. Такое решение существенно ускоряет процесс анализа трехмерных сейсмических данных и повышает точность и скорость прогнозирования распространения коллекторов на существующих месторождениях. По заявлению пресс-службы, аналогичное сочетание алгоритмов в настоящее время отсутствует как на российском, так и на международном рынках.

Модуль включает в себя процедуры акустической и синхронной сейсмической инверсии – метода, используемого для определения характеристик горных пород, а также классификацию пород по происхождению с применением алгоритмов машинного обучения.

«Размер таких массивов данных, известных в отрасли как «сейсмические кубы», может легко превышать 15-20 Гб. Очевидно, что обработка столь больших объемов данных требует высокого уровня ИТ-компетенции. Разработанные мной алгоритмы позволяют частично автоматизировать этот процесс, объединяя данные, полученные из скважин, с сейсмическими кубами, что способствует более быстрому и точному пониманию структуры недр», - приводит пресс-служба слова автора разработки, Владислава Корчуганова.

Практическое тестирование модуля на месторождении в Оренбургской области продемонстрировало его высокую эффективность. Использование предложенной схемы классификации позволило утроить ключевые показатели прогнозирования класса «коллектора» на исследуемой территории.