Искусственный интеллект - важный инструмент современного геолога
Автор: Хисамов Р.С., Бачков А.П., Войтович С.Е., Грунис Е.Г., Алексеев Р.А.
Журнал: Геология нефти и газа.
Рубрика: Методика поисков и разведки нефтяных и газовых месторождений
Статья в выпуске: 2, 2021 года.
Бесплатный доступ
В статье представлены методики и разработки сотрудников научно-производственного центра «Нейросейсм» Татарского геолого-разведочного управления ПАО «Татнефть», основанные на применении высокоуровневых языков программирования для реализации новых подходов в обработке и интерпретации результатов сейсморазведочных работ с использованием нейрокомпьютерных технологий. Разработанная в Татарском геолого-разведочном управлении ПАО «Татнефть» и защищенная двумя патентами Российской Федерации нейрокомпьютерная технология прогнозирования нефтеперспективных объектов, базирующаяся на решении задач методами искусственного интеллекта, обеспечивает извлечение более полной информации из сейсмических данных. Нейрокомпьютерная система представляет собой обучающуюся многослойную нейронную сеть. Примерами для обучения сети являются отраженные волны, регистрируемые в местах подтвержденных залежей нефти. Настроенная и обученная нейронная сеть в дальнейшем используется при анализе сейсмических профилей и 3D-сейсмических кубов на площади работ. По результатам нейрокомпьютерных исследований строятся прогнозные карты нефтеперспективности продуктивных отложений, на основе которых выдаются рекомендации на проведение поисково-разведочных работ. На протяжении 2014-2018 гг. разработана новая модификация технологии «Нейросейсм», получившая название «Нейросейсм-Foreground», позволяющая произвести адаптацию и оптимизацию данной технологии для прогнозирования нефтеносности франско-фаменского карбонатного комплекса. Программа «Нейросейсм-Foreground» осуществляет автоматизированный поиск наилучшей обучающей выборки сейсмического сигнала на основе самотестирования. Программа предназначена для выявления или уточнения перспектив нефтеносности доманиковых отложений, позволяет значительно снизить риски при заложении поисково-разведочных и эксплуатационных скважин за счет выделения участков, аналогичных по добывному потенциалу районам расположения обучающих скважин с промышленно эксплуатируемыми залежами в доманиковых отложениях
Нефтяная геология, сейсморазведка, машинное обучение, язык программирования с++
Короткий адрес: https://sciup.org/14128568
IDR: 14128568 | DOI: 10.31087/0016-7894-2021-2-37-45
Список литературы Искусственный интеллект - важный инструмент современного геолога
- Муслимов Р.Х., Куликов С.А., Гатиятуллин Н.С., Тарасов Е.А. Способ разведки нефтегазовых залежей: патент РФ № RU 2094828 C1. - 1997.
- Муслимов Р.Х., Куликов С.А., Гатиятуллин Н.С., Тарасов Е.А., Миннуллин Р.М. Способ поиска нефтегазоносных залежей с использованием нейрокомпьютерной системы обработки данных сейсморазведки: патент РФ № RU 2158939 C1. - 2000.
- Ларочкина И.А. Роль и влияние позднепротерозойского Камско-Бельского авлакогена на формирование типов ловушек нефти в палеозойских отложениях в Актаныш-Чишминском прогибе // Нефтяное хозяйство. - 2016. - № 9. - С. 22-25.
- Ступакова А.В., Калмыков Г.А., Коробова Н.И., Фадеева Н.П., Гатовский Ю.А., Суслова А.А., Сауткин Р.С., Пронина Н.В., Большакова М.А., Завьялова А.П., Чупахина В.В., Петракова Н.Н., Мифтахова А.А. Доманиковые отложения Волго-Уральского бассейна - типы разреза, условия формирования и перспективы нефтегазоносности // Георесурсы. - 2017. - № 1. - С. 112-124.
- Ступакова А.В., Калмыков Г.А., Фадеева Н.П., Богомолов А.Х., Кирюхина Т.А., Коробова Н.И., Мальцев В.В., Пронина Н.В., Сауткин Р.С., Суслова А.А., Шарданова Т.А. К оценке ресурсов и запасов сланцевой нефти // Вестник Московского университета. Серия 4: Геология. - 2015. - № 3. - С. 3-10.
- Ступакова А.В., Фадеева Н.П., Калмыков Г.А., Богомолов А.Х., Кирюхина Т.А., Коробова Н.И., Шарданова Т.А., Суслова А.А., Саут-кин Р.С., Полудеткина Е.Н., Козлова Е.В., Митронов Д.В., Коркоц Ф.В. Поисковые критерии нефти и газа в доманиковых отложениях Волго-Уральского бассейна // Георесурсы. - 2015. - № 2. - С. 77-86.
