Как искусственный интеллект приходит в геологию

Поиск нефти и газа уже давно перестал быть интуитивным ремеслом отдельного геолога, это сложная работа с огромными массивами данных.

В Новосибирске, в Институте нефтегазовой геологии и геофизики СО РАН, ученые сделали шаг к тому, чтобы эти данные работали точнее. Они усовершенствовали алгоритм интерпретации сейсмических материалов, применив методы машинного обучения.

Речь идет о задачах, которые напрямую влияют на эффективность разведки, где бурить, какие горизонты рассчитывать на промышленный приток, насколько оправдан риск нового поискового проекта.

В институте поясняют,
"мы стремимся уменьшить трудозатраты геологов и одновременно повысить достоверность задач, которые они решают, поэтому все активнее используем методы машинного обучения".

Что такое сейсмофациальный анализ и почему без него никуда

Сейсмофациальный анализ, это один из ключевых инструментов для тех, кто ищет углеводороды в недрах. Проще говоря, специалисты с его помощью пытаются "увидеть" строение разреза по отраженным сейсмическим волнам, не прибегая сразу к бурению.

На практике это означает работу с треугольником, сейсмика, геофизика по скважинам, геология. В традиционном варианте геолог‑интерпретатор вручную оценивает сейсмические образы, выделяет фации, сопоставляет их с известными типами коллекторов, проверяет гипотезы по керну и данным испытаний.

У такого подхода есть несколько очевидных проблем,

• огромные массивы данных по сейсмике, обработать их вручную сложно и долго
• человеческий фактор, разные интерпретаторы могут по‑разному видеть одну и ту же картину
• высокая цена ошибки, промах в интерпретации оборачивается лишними скважинами и потерями бюджета

Поэтому в институте уже несколько лет последовательно переходят к использованию методов машинного обучения, которые берут на себя рутинную и формализуемую часть работы.

Зачем нужен Байесовский классификатор

Один из применяемых инструментов, Байесовский классификатор. Это математический алгоритм, который по совокупности признаков данных относит объект к тому или иному классу, опираясь на вероятности.

В основе лежит формула Байеса, она позволяет уточнять вероятность события по мере поступления новой информации. В геологии это особенно важно, так как объекты всегда изучаются поэтапно, сначала сейсмика, затем ограниченные данные по скважинам, потом испытания, керн, новые геофизические исследования.

Если алгоритм умеет корректировать свои выводы с учетом дополнительной информации, то и итоговая карта коллекторов, и прогноз по эффективным пластам становятся более надежными.

Как отмечают исследователи,
"Байесовский подход хорошо ложится на практику геологоразведки, где вероятность всегда пересматривается, когда появляется новый факт, новая скважина, новая серия сейсмических профилей".

В чем ключевое новшество улучшенного алгоритма

Главное отличие новой версии алгоритма, он "видит" не только сейсмику и скважинные данные, но и более широкий пласт исходной геологической информации.

В пресс-службе института подчеркивают,
"в новом варианте алгоритм использует не только сейсмические и скважинные материалы, но и имеющуюся геологическую информацию с представлениями о развитии коллекторов на участке исследования, это помогло повысить достоверность получаемых прогнозов".

Фактически машина обучается с учетом того, как в данном районе формировались отложения, где проходили русла древних рек, в каких зонах откладывались песчаники, а где преобладали глинистые породы, насколько активно проявлялись тектонические процессы.

Это важный шаг от "чистой математики" к интеграции с реальной геологической моделью месторождения. Алгоритм не просто группирует сейсмические сигналы по форме, а соотносит их с теми типами коллекторов, которые вообще возможны в заданной тектонической и седиментационной обстановке.

Оренбургский полигон, как теория прошла проверку на месторождении

Любой новый метод в геологии ценится только тогда, когда выдерживает проверку практикой. Усовершенствованный алгоритм испытали на реальном объекте, участке нефтегазоконденсатного месторождения в Оренбургской области.

По результатам анализа специалисты предложили провести повторное перфорирование ряда уже существующих скважин. Это достаточно жесткий тест для методики, так как идет речь об изменении конфигурации действующих объектов, а не только о построении абстрактных прогнозных карт.

Перфорирование, это пробивка отверстий в обсадной колонне и цементном кольце на уровне продуктивного пласта, чтобы нефть, газ или вода могли поступать внутрь ствола. От того, насколько верно выбраны интервалы, напрямую зависит дебит скважины.

В институте отмечают,
"по итогам анализа прошло успешное повторное перфорирование имеющихся скважин, вместе с бурением это подтвердило результаты предположений ученых".

Иными словами, приток из перераспределенных интервалов подтвердил, что алгоритм верно выделил зоны развитых коллекторов. Это уже не лабораторный эксперимент, а работающий инструмент для реальной добычи.

Что это дает отрасли, меньше риска, больше целевых скважин

Если перенести опыт Оренбургской области на другие регионы, становится понятен масштаб возможного эффекта.

Усовершенствованный алгоритм позволяет,

• лучше выделять перспективные объекты еще на стадии интерпретации сейсмики
• точнее прогнозировать зоны развития коллекторов
• осознанно выбирать точки для поисково‑разведочного и эксплуатационного бурения
• возвращаться к уже пробуренным скважинам и находить в них недоиспользованный потенциал

Исследователи формулируют это так,
"применение усовершенствованного алгоритма на стадии разведки и разработки месторождений углеводородов может существенно уточнить интерпретацию сейсмических данных".

Для недропользователя это означает более рациональное распределение инвестиций, меньше "сухих" или малодебитных скважин, более высокая отдача от уже освоенных площадей. Для государства, более полное извлечение запасов и рост налоговых поступлений при меньшей нагрузке на бюджет.

Перспективы развития, куда пойдет метод дальше

Команда института не собирается останавливаться на достигнутом. В планах, дальнейшее развитие алгоритма, расширение числа учитываемых параметров, адаптация под разные геологические среда, от шельфовых зон до сложнопостроенных континентальных разрезов.

Речь идет не только о доработке кода, но и о накоплении обучающих выборок, каждая новая площадь, на которой метод будет применен, добавит данные для уточнения моделей. Чем больше реальных скважин и подтвержденных результатов попадает в систему, тем надежнее становится прогноз.

Ученые подчеркивают,
"в дальнейшем мы планируем развивать разработку, чтобы еще больше повысить точность прогнозов и сократить неопределенность при оценке перспективных объектов".

По мере распространения таких подходов отрасль постепенно придет к более тесной связке геологии и цифровых технологий, когда решения о многомиллиардных инвестициях в бурение принимаются не только на основе классической экспертизы, но и с учетом тщательно обученных статистических моделей.

Таким образом, работа новосибирских ученых по внедрению методов машинного обучения в сейсмофациальный анализ показывает, как цифровые технологии способны реально повысить эффективность поиска и разработки месторождений нефти и газа. Улучшенный алгоритм, опирающийся не только на сейсмику и данные по скважинам, но и на детальное представление о развитии коллекторов, уже подтвердил свою состоятельность на месторождении в Оренбургской области. Для газовой и нефтяной отрасли это шанс точнее планировать бурение, снижать риски и извлекать больше углеводородов из уже известных структур, а для науки пример того, как сочетание строгой геологической модели и современных методов машинного обучения открывает новые возможности в изучении недр.