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

Еще

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

Текст научной статьи Искусственный интеллект - важный инструмент современного геолога

Методы искусственного интеллекта на сегодняшний день во многих отраслях современной промышленности начинают играть значительную роль и очень часто являются основой для создания новых методик и различных технологических разработок. В геологии и геофизике также применяются программные продукты, основанные на «машинном обучении» при обработке и интерпретации геофизических сигналов для построения цифровых геологических и петрофизических моделей месторождений.

Предмет исследования

В современной разведочной геологии и геофизике одним из главных направлений, основанных на регистрации искусственно возбуждаемых упругих волн и извлечении из них полезной геолого-геофизической информации, является сейсморазведка. Получаемые в процессе полевых работ сейсмограммы содержат значительную долю нежелательных волн-помех и мешающих колебаний, а полезные волны сложно интерпретировать, поэтому первичные сейсмограммы обрабатываются с использованием самой современной компьютерной техники. В результате выполнения процедур обработки сейсмограммы преобразуются во временной или глубинный разрез — материал, пригодный для геологического толкования. По известным признакам на полученных разрезах выделяются аномальные участки, с которыми связываются скопления полезных ископаемых.

Методика и результаты исследований

Способ поиска нефтегазовых залежей с использованием нейрокомпьютерной системы распознавания образов сейсмических сигналов «Нейросейсм», основанной на использовании методов искусственного интеллекта, — это одно из современных и наиболее перспективных направлений интерпретации обработанных сейсмограмм. Программный комплекс реализован по принципу «обучения на примерах» с использованием искусственной нейронной сети. Примерами для обучения сети являются отраженные сейсмические волны, регистрируемые от пластов в местах подтвержденных залежей нефти. Впервые данная методика упоминается в журнале «Геология, геофизика и разработка нефтяных месторождений» в ноябре 1994 г. под названием «Нейросейсм». В октябре 1997 г. данная технология была запатентована как «Способ разведки нефтегазовых залежей» [1]. В 2000 г. был получен второй патент: «Способ поиска нефтегазоносных залежей с использованием нейрокомпьютерной системы обработки данных сейсмо- разведки» [2]. С помощью методики «Нейросейсм» осуществляется прогноз вероятности нефтеносности по данным сейсморазведки на основе работы следующего комплекса программ, написанных на высокоуровневом языке программирования С++:

  • 1)    TGRU nerho 2 — обучение нейронной сети на примере трасс в районе скважины;

  • 2)    TGRU horizon to ASCII — вывод из ProMAX в ascii-файл значения слов заголовка и горизонта соответственно;

  • 3)    TGRU datum shift — ручная коррекция статики по пикетам взрыва и пикетам приема;

  • 4)    TGRU nerho auto — автоматизированный «Нейросейсм» («Нейросейсм-Foreground»);

  • 5)    TGRU fractal TGRU trend — окончательная фильтрация разреза;

  • 6)    TRGU palitra — «экстремум-ориентированная фильтрация» (ФЭО);

  • 7)    TGRU sintez — построение модельных разрезов.

Этот пакет программ реализован как плагины к пакету программ ProMAX 2003.12 компании Landmark.

Основное преимущество технологии «Нейро-сейсм» заключается в том, что в качестве обучающей выборки для получения прогноза по всему исследуемому участку достаточно одной скважины с доказанной нефтеносностью (по результатам отбора керна или испытания пласта). В качестве данных могут быть использованы архивные материалы сейсморазведки, которые дополнительно переобрабатываются для подготовки к нейрокомпьютерному анализу с применением последних достижений в области обработки материалов сейсморазведки. Данная технология применялась в Татарстане, Самарской, Ульяновской и Оренбургской областях, в Калмыкии и Республике Коми. С учетом отрицательных прогнозов средняя эффективность нейрокомпьютерного прогноза нефтеносности по участкам на территории Татарстана составила 85 %.

По данной технологии был исследован Агбя-зовский лицензионный участок, расположенный на территории Актанышского, Мензелинского и Муслю-мовского административных районов Республики Татарстан. Для проведения нейрокомпьютерного анализа обработано 57 сейсмических профилей МОГТ-2D (09160101–09160156 и 109546 в качестве обучающего), расположенных на Агбязовском лицензионном участке. По результатам работ по нейрокомпьютерному анализу сейсмических профилей Агбязовского участка удалось получить вероятност-

Рис. 1. Визуализация поверхности ОГ У, построенной по результатам работ МОГТ-2D Fig. 1. Visualization of У Reflector surface created on the result of 2D CDP seismic survey

Ci

ОГ У (С tl)

C1+D3

ОГ T (С t)

D3+D2

ОГ Дт (D3tm)

Абсолютные отметки кровли тульского горизонта (ОГ У), м

ОГ A (AR-PRi)

  • -    -940

  • -    -960

  • -    -980

    --1000

    --1020

    --1040

    --1060

I- -1080 к-1100

С

Ю

ный прогноз нефтеносности только по ОГ У, который отождествляется с кровлей тульского горизонта C 1 tl (рис. 1). По ОГ Д, Т, Б и В получить прогноз невозможно из-за отсутствия скважин с прямыми признаками нефтеносности в данных горизонтах вблизи сейсмических профилей.

В качестве обучающей использовалась эксплуатационная скв. 4э на Агбязовском месторождении, расположенная на профиле 109546 (рис. 2).

Обучающее окно для скв. 4э было выбрано на ОГ У в окрестности забоя. Ширина окна обучения 28 мс, окно содержит 11 сейсмических трасс (рис. 3).

По данным многочисленных отчетных исследований, проводимых с 1951 г., строение Агбязовского поднятия, изученного по основным маркирующим горизонтам осадочного чехла, характеризуется как сложное и неоднозначное. В волновом поле структура отображается в виде небольших антиклинальных перегибов осей синфазности целевых отражающих горизонтов. По поверхности кристаллического фундамента она представлена структурным носом. Обособляясь по вышезалегающему горизонту, она находит отображение в составе двух куполов. По отложениям девона и турнейского яруса поднятие, претерпевая некоторое выполаживание, картируется одним куполом. По ОГ У, Б и В структура вновь приобретает двухкупольное строение. Агбязовское поднятие в тектоническом отношении приурочено к зоне сочленения северо-восточного склона Южно-Татар ского свода и западного борта Камско-Бельского авлакогена, представляющей определенный интерес для поиска скоплений УВ в отложениях палеозоя. На образование благоприятных условий для формирования залежи на Агбязовском поднятии, возможно, оказали влияние малоамплитудные движения по Нижнеикскому разлому.

Для контроля качества прогноза использовались скважины как с притоками УВ, по которым нейрокомпьютерная система показала вероятность нефтеносности более 70 %, так и без притоков с низкими значениями вероятности (менее 30 %).

Также на Агбязовском участке были пробурены скважины 947 и 949. Скв. 947 пробурена на Вос-точно-Степановской структуре (центральный купол). Ловушка структурная, поднятие выделяется в волновом поле по положительным перегибам осей синфазности ОГ В, Б, У, Т, Дт и А, по сокращению интервальных времен между ОГ В и У и их увеличению между ОГ У и Т. Генезис структуры седиментационный по отложениям карбона, тектоноседиментаци-онный — по отложениям девона и кристаллического фундамента. Склоны центрального купола осложнены тектоническими нарушениями по ОГ А, Дт. По всем отражающим горизонтам (А, Дт, Т, У, Б и В) структура отображается в виде брахиантиклинали неправильной формы, преимущественно северо-западного простирания. По ОГ Дт, У и Б имеет наибольшие размеры за счет слияния с соседними куполами. По результатам прогноза «Нейросейсм» скв. 947 на-

Рис. 2. Положение обучающей скв. 4э и контуры локальных структур Агбязовского лицензионного участка по ОГ У

Fig. 2. Location map with 4э well and local structure outlines in У Reflector are shown in the Agbyazovsky License Area

1 — профиль сейсмопартии; контур ( 2 , 3 ): 2 — Агбязовского лицензионного участка, 3 — Агбязовского нефтяного месторождения; 4 — обучающая скважина; структуры ( 5 9 ): 5 — Юж-но-Калмурзинская, 6 — Восточно-Степановская, 7 — Адеевская, 8 — Табанлыкульская, 9 — Кукуевская

  • 1    — seismic line; outline ( 2 , 3 ): 2 — Agbyazovsky License Area, 3 — Agbyazovsky oilfield; 4 — training well; structures ( 5 9 ): 5 — South Kalmurzinsky, 6 — East Stepanovsky, 7 — Avdeevsky, 8 — Tabanlykul’sky, 9 — Kukuevsky

ходится в области малой вероятности нефтеносности тульско-бобриковских отложений (рис. 4). По результатам испытаний, проведенных в скважине, приток из тульско-бобриковских отложений не получен.

Скважина 949 пробурена на Кукуевской структуре и находится в границах нейроаномалии со значением вероятности нефтеносности тульско-бобриковских отложений более 70 % (рис. 5). В ходе испытаний был получен приток нефти 6 м3/сут. Перспективы Кукуевского поднятия обусловлены его приуроченностью к осевой зоне Актаныш-Чишмин-ского прогиба. Анализ волнового поля на уровне регистрации ОГ Т и У свидетельствует, что Кукуев-ская структура является структурой облекания ел-

Скв. 2э Скв. 4э Скв. 9э

Рис. 3. Окно обучения системы нейрокомпьютерного прогноза по тульско-бобриковским отложениям в районе забоя скв. 4э

Fig. 3. Training “window” for the neural computing prediction system in the Tul’sky-Bobrikovsky deposits in the vicinity of 4э well face

0              200              250

300 CDP

ОГ В

ОГ У

t , мс

ховско-бобриковских объектов, представленных песчаными телами и терригенным обломочным материалом. Тип ловушки структурный, поднятие выделяется по наличию на временных разрезах антиклинальных перегибов и уменьшению интервальных времен между отражающими горизонтами. Генезис структуры седиментационный по отложениям карбона, тектоноседиментационный — по отложениям девона и кристаллического фундамента.

Перспективы выявления залежей УВ на Агбя-зовском поднятии, Восточно-Степановской и Куку-евской структурах, находящихся в зоне сочленения северо-восточного склона Южно-Татарского свода и западного борта Камско-Бельского авлакогена, связаны с развитием Нижнеикского разлома, сыгравшего роль в миграции и заполнении ловушек УВ [3], но, несмотря на данную приуроченность, существуют как сходства, так и различия в сейсмогеоло-гическом строении указанных объектов, что подтверждается проведенными нейрокомпьютерными исследованиями.

На протяжении 2014–2018 гг. сотрудниками научно-производственного центра «Нейросейсм» Татарского геолого-разведочного управления ПАО «Татнефть» разработаны новые программные средства

Рис. 4. Вероятность нефтеносности в окрестности разведочной скв. 947

Fig. 4. Values of oil saturation probability in the vicinity of the exploratory well 947

A

Условная вероятность нефтеносности тульско-бобриковских отложений

09160140 -J 1

t , мс

А — карта вероятности нефтеносности тульско-бобриков-ских отложений в окрестности скв. 947, B — временной разрез по профилю 09160127 с результатами нейрокомпьютерного прогноза вероятности нефтеносности туль-

ско-бобриковских отложений.

1 — профиль сейсмопартии. Поднятия по кровле тульского горизонта: 39 — Западно-Кировское, 40 — Степановское, 51 — Восточно-Степановское, 54 — Южно-Кировское

A — forecast maps of the oil potential of the Tula-Bobrikovsk deposits in the vicinity of well 947, B — time section along the 09160127 Line with the results of a neurocomputer forecast of oil-bearing capacity probability of the Tula-Bobrikov deposits.

1 — seismic line. Positive structures in the Tul’sky Top: 39 — West Kirovsky, 40 — Stepanovsky, 51 — East Stepanovsky, 54 — South Kirovsky

Рис. 5. Вероятность нефтеносности в окрестности разведочной скв. 949

Fig. 5. Values of oil saturation probability in the vicinity of the exploratory well 949

0 10 20 30 40 50 60 70 80 90 100  0            1            2 км

Условная вероятность нефтеносности тульско-бобриковских отложений

А — карта вероятности нефтеносности тульско-бобриков-ских отложений в окрестности скв. 949, B — временной разрез по профилю 09160108 с результатами нейрокомпьютерного прогноза вероятности нефтеносности туль-    g о ско-бобриковских отложений.

Поднятия по кровле тульского горизонта: 21 — Тюбякское, 22 — Кукуевское.

Усл. обозначения см. на рис. 4

Скв. 949

09160140^ I 09160110

200   250

t , мс

400 ОГ В

700 ОГ Т

ОГ У 600

500^

800 ОГ Д *э

1000 5^2

A — forecast maps of the oil potential of the Tula-Bobrikovsk deposits in the vicinity of well 949, B — time section along the 09160108 Line with the results of a neurocomputer forecast of oil-bearing capacity probability of the Tula-Bobrikov deposits

Positive structures in the Tul’sky Top: 21 — Tyubyaksky, 22 — Kukuevsky.

For Legend see Fig. 4

(специальная модификация «Нейросейсм-Fore-ground») и методические приемы, позволяющие произвести адаптацию и оптимизацию технологии «Нейросейсм» для прогнозирования нефтеносности франско-фаменского карбонатного комплекса. Программа «Нейросейсм-Foreground » представляет собой модификацию алгоритма нейрокомпьютерной системы прогнозирования нефтеносности «Нейро-сейсм» и позволяет осуществлять 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 обучающих скважин с промышленно эксплуатируемыми залежами в доманиковых отложениях. Программа реализована на высокоуровневом языке программирования С++ в виде плагина к пакету обработки сейсмических полевых материалов — ProMAX. Общий алгоритм функционирования программы «Foreground» представлен на рис. 6.

Апробация этой методики нейрокомпьютерного прогноза была проведена на площади работ 3D-сейсморазведки Бавлинского и Баллаевского участков, на Восточно-Макаровском месторождении, а также 2D-сейсморазведки Матросовского участка. В настоящий момент аналогичных методик исследования нефтеносности доманиковых отложений не существует. Авторские права на программу «Нейро-сейсм-Foreground» зарегистрированы в Федеральной службе по интеллектуальной собственности как «Способ определения вероятности нефтеносности дома-никовых отложений», свидетельство № 2020616990 от 30 июня 2020 г. (Алексеев Р.А. и др., 2020).

По результатам работы согласно технологии «Нейросейсм-Foreground» на участке работ МОГТ-3D сейсмопартии Восточно-Макаровского месторождения в 2019 г. была пробурена скв. 1051р (рис. 7). По данным отбора керна, интервал доманиковых отложений представлен черным глинистым и трещиноватым мергелем, трещины которого заполнены битумным материалом. По данным прогноза «Ней-росейсм-Foreground», скв. 1051р находится в зоне вероятности нефтеносности доманиковых отложений более чем на 70 %. Для обучающей выборки системы «Нейросейсм-Foreground» использовался сейсмический материал по скважинам, содержащим интервалы доманиковых отложений с доказанной нефтеносностью. Обучающая выборка состояла из наборов сейсмических трасс (квадраты 5 х 5 км) в окрестности забоя скв. 910. Тестовая выборка включала набор из 49 трасс (квадрат 7 х 7 км) в окрестности забоя тестовой скв. 776. Центр временного окна для обучающей и тестовой выборки задавался на 20 мс выше ОГ Д, в интервале карбонатных битуминозных пород (по данным отбора керна).

На участке работ МОГТ-3D Восточно-Макаров-ского месторождения максимальные значения ве-

Рис. 7. Положение скв. 1051р на карте вероятности нефтеносности семилукско-мендымских отложений на участке работ МОГТ-3D Восточно-Макаровского месторождения

Fig. 7. Position of 1051р well in the map of oil saturation probability in Semiluksky-Mendymsky deposits of the 3D CDP survey area,

East Makarovsky field

I–224

I–221

I–211

I–201

I–191

I–181

I–171

I–161

I–151

I–141

I–131

I–121

I–111

I–101

I–91

I–81

I–71

I–61

I–51

I–41

I–31

I–21

I–11

–1550

I–211

I–201

Скв. 925

I–191

I–181

–1510

I–171

I–161

I–151

Скв. 780

I–141

I–131

I–121

Скв. 776

I–111

Скв.

I–101

I–91

I–81

I–71

I–61

Скв. 910

I–51

I–41

I–31

I–21

I–11

I–224

I–221

Скв. 754

Скв. 768

Скв. 1051р i^an:

2500 м

Вероятность нефтеносности доманиковых отложений, %

0  10  20 30  40 50 60 70 80 90 100

в 1 Е –1520 а 2 и 3 в 4 в 5 в 6 в 7 в 8 ш 9 IB 10 1 Л] 11

1 — сейсмический профиль 3D 9/13-1 ООО «ТНГ-Групп»; 2 — изолинии ОГ Д, м (D3sr, ООО «ТНГ-Групп»); 3 — предполагаемые дизъюнктивные нарушения (ООО «ТНГ-Групп»); 4 — контуры локальных поднятий; 5 — изолинии 50 %-й относительной вероятности нефтеносности; 6 — глубокие скважины; 7 — граница действия лицензий Восточно-Макаровского месторождения; глубокая скважина ( 8 , 9 ): 8 — обучающая, 9 — тестовая; 10 — забой скв. 1051р на ОГ Д; 11 — перспективная зона семилукско-мендымских отложений по результатам прогноза с помощью методики «Нейросейсм-Foreground» и ее номер.

Поднятия: 1 — Кармалинское, 2 — Лермонтовское, 3 — Верхне-Кармалинское, 4 — Макаровское

  • 1 —    seismic line 3D 9/13-1 TNG-Group; 2 — contour lines of Д Reflector, m (D3sr, TNG-Group); 3 — supposed faults (TNG-Group); 4 — outline of local highs; 5 — contour lines of 50 % relative probability of oil saturation; 6 — deep wells; 7 — boundary of licenses in the East Makarovsky field; deep well ( 8 , 9 ): 8 — training, 9 — test; 10 — bottomhole of 1051р well on Д Reflector; 11 — promising zone of Semiluksky-Mendymsky deposits according to the result of prediction using Neiroseism-Foreground methodology and its number.

Highs: 1 — Karmalinsky, 2 — Lermontovsky, 3 — Verkhne-Karmalinsky, 4 — Makarovsky роятности нефтеносности доманиковых отложений, выявленных по методике «Нейросейсм-Foreground» (см. рис. 7), приурочены к склонам поднятий по поверхности ОГ Д — кровле саргаевского горизонта — D3sr (рис. 8). Вероятнее всего, по типам разрезов и условиям формирования формации доманикоидов относятся к разрезам склонов поднятий или бортов «рифовых» тел [4–6]. В дальнейшем над данными поднятиями, к которым приурочены нефтеперспективные зоны, были сформированы рифогенные об-

METHODOLOGY OF PROSPECTING AND EXPLORATION OF OIL AND GAS FIELDS

Рис. 8. Карта поверхности саргаевского горизонта — D3sr

Fig. 8. Map of the Sargaevsky Horizon surface — D3sr

кровли D3sr, м о 754 1

0    500  1000  1500  2000  2500 м

Абс. отметка

–1475

–1500

–1525

–1550

–1575

1 — устье глубокой скважины.

Остальные усл. обозначения см. на рис. 7

  • 1    — mouth of deep well.

For other Legend items see Fig. 7

разования, выделенные по значению разницы интервальных времен между ОГ Д и У.

Выводы

  • 1.    Использование технологии «Нейросейсм», в основе которой лежит применение методов искусственного интеллекта, позволяет значительно снизить риски при бурении поисково-разведочных скважин и

  • выявить наиболее перспективные участки для постановки бурения уже на стадии подготовки структур.
  • 2.    Разработка и внедрение новых модификаций данной технологии, таких как «Нейросейсм-Foreground», позволяет прогнозировать нефтеносность в отложениях нетрадиционных источников УВ-сырья, к которым относятся доманиковые карбонатные отложения франско-фаменского возраста.

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.
Еще
Статья научная