• Русский

Ученые «ЭкоНефти» научились находить пропущенные пласты с помощью нейросетей

Также сотрудники НОЦ «Моделирование ТРИЗ» используют машинное обучение при интерпретации ГИС и геологическом моделировании крупных  месторождений нефти и газа.

О том, что Big Data способна привести в нефтегазовой отрасли если не к революции, то к очень существенному скачку вперед, сегодня говорят много и в России, и в мире. В процессе поиска, разведки и даже разработки месторождений действительно накапливается огромный массив данных и информации, с которыми можно и нужно работать, чтобы повысить эффективность добычи нефти и снизить издержки компаний. И машинному обучению приписывают роль той самой волшебной палочки, которая позволит значительно расширить количество анализируемых параметров, автоматизировать часть процессов, найти новые взаимосвязи параметров, которые на первый взгляд никак между собой не коррелируют.

Но одно дело говорить, и другое – что-то реально делать. По настоящему перспективными проектами в области искусственного интеллекта сегодня могут похвастаться в лучшем случае с десяток научных коллективов по всей стране. Казанский федеральный университет в большой гонке больших данных тоже участвует, и надо признать, становится все ближе и ближе к лидерам. В рамках приоритетного направления развития «ЭкоНефть» относительно недавно стартовал проект по применению машинного обучения для решения различных задач в области нефтегазовых технологий. Реализуется он на базе научно-образовательного центра «Моделирование ТРИЗ» ИГиНГТ.

«Мы активно изучаем возможности методов машинного обучения и успешно применяем их на практике. Пока работы сконцентрированы по таким направлениям как поиск пропущенных пластов и суррогатное геологическое моделирование – это когда предварительная геологическая модель строится автоматически. Но круг задач в будущем будет только расширяться», – рассказал нам один из участников проекта Амир Исмагилов.

На данный момент сотрудниками НОЦ «Моделирование ТРИЗ» создан прототип программы, позволяющей с минимальным участием специалиста интерпретировать большой массив данных геофизических исследований скважин. Инновационная разработка заключается в подборе решения с помощью широкого спектра методов машинного обучения и детерминированных алгоритмов взамен устаревшей ручной обработки материалов геофизических исследований скважин. При этом активно используются как простейшие линейные модели, так и конструирование сложных нейронных сетей.

Не смотря на то, что программа пока еще «сырая», ее уже успешно апробировали «в полях» – в ходе обработки данных с более чем 3000 скважин одного из месторождений ПАО «Татнефть» была уточнена геологическая модель объекта, произведены последующие гидродинамические расчеты, запланированы необходимые геолого-технические мероприятия, позволяющие улучшить процесс освоения залежи. Но это лишь часть возможностей «умной» машины. Не меньший интерес для большинства компаний представляет и поиск пропущенных пластов, которые, к слову, являются одним из существенных недостатков ручной интерпретации ГИС. Как рассказали нам в НОЦ «Моделирование ТРИЗ», нейросетевое моделирование литологического расчленения разреза позволяет выявить интервалы наиболее существенного расхождения в распределении коллектора между существующей экспертной интерпретацией, выполненной вручную, и полученной с помощью машинного обучения. Потенциально эти  расхождения и есть те самые пропущенные пласты-коллектора.

В НОЦ «Моделирование ТРИЗ» не исключают, что технологию можно будет применять и в других подобных проектах. Полученные на различных залежах результаты показали минимальное расхождение с экспертной интерпретацией тех же данных, а значит при необходимости оперативной обработки ГИС разработка ученых «ЭкоНефти» предпочтительнее и гораздо эффективнее для компаний.