Разработанный в России ИИ-алгоритм удешевит анализ сложных нефтеносных пород

Российские исследователи создали подход, который позволяет определять минеральный состав сложно устроенных и редко встречающихся нефтеносных пород, таких как баженовская свита в Западной Сибири, при помощи систем машинного обучения. Разработка позволяет получать точные данные о минералогии по всей длине ствола скважины с относительно небольшими затратами сил и средств, сообщила пресс-служба «Сколтеха» (входит в группу ВЭБ.РФ).

«Разработанный нами комплексный подход может быть использован для быстрой интерпретации данных в процессе бурения, выделения перспективных интервалов в сложных нефтеносных породах и оптимизации методов увеличения нефтеотдачи. В конечном итоге это способствует снижению экономических затрат на разведку и разработку месторождений», — заявил профессор «Сколтеха» Дмитрий Коротеев, чьи слова приводит пресс-служба вуза.

Как отмечают профессор Коротеев и его коллеги, значительная часть запасов нефти в России и в мире в целом заточена в сланцах и других сложно устроенных породах, которые обладают неоднородным составом и требуют особых подходов к изучению. Эта неоднородность заставляет геологов проводить множество точечных замеров на скважинах и дорогостоящих лабораторных анализов образцов, что замедляет и усложняет освоение подобных отложений нефти.

Российские ученые предположили, что число подобных замеров можно существенным образом снизить, если использовать системы машинного обучения для анализа и объединения данных по минералогическим свойствам нефтеносных пород, обученные на результатах тысяч предыдущих подобных замеров. Руководствуясь этой идеей, исследователи создали цепочку из нескольких алгоритмов машинного обучения, учитывающих в своей работе взаимосвязи между определяемыми минералами.

«Наша модель, обученная на стандартных данных с каротажных зондов, обогащенных тепловыми измерениями, показала, что даже без дорогостоящих специализированных исследований можно с хорошей точностью восстановить минералогический профиль по стволу скважины. Мы смогли количественно показать вклад тепловых данных: их добавление снизило ошибку прогноза объемных долей минералов», — заявил аспирант «Сколтеха» Батырхан Гайнитдинов, чьи слова приводит пресс-служба вуза.

Как отмечают исследователи, первые проверки работы этой системы показали, что она столь же точно оценивает массовые и объемные доли ключевых минералов и позволяет столь же точно вычислить теплопроводность пород, как и дорогостоящие замеры на скважинах. В перспективе, это позволит оценивать успешность разведки и добычи углеводородов с меньшими затратами времени, сил и средств, подытожили ученые.