Все новости

В России создали систему ИИ для оптимизации разработки нефтяных месторождений

Алгоритм помогает определить свойства скважины, тип породы и скорректировать процесс бурения

ТАСС, 11 июля. Ученые из России разработали нейросетевой алгоритм, анализирующий данные геологоразведки нефтяных месторождений и оценивающий эффективность планов по добыче изучаемых залежей углеводородов. Об этом во вторник сообщила пресс-служба Сколтеха.

"Сейчас после оценки месторождения мы получаем большой массив разрозненных данных, и непонятно, что с ним делать. Целью нашего исследования было построить такую модель, которая на основе всех этих данных будет создавать математическое представление - вектор, который полностью описывает скважину", - пояснил инженер-исследователь Сколтеха Александр Марусов, чьи слова приводит пресс-служба вуза.

Как отмечается в сообщении, этот вектор содержит сжатую информацию об уже известных свойствах скважины, а также предположения о том, какими еще характеристиками она обладает. Это должно снизить вероятность того, что нефтяники пересекут границу между породами при бурении и выйдут за границы пласта нефтеносных пород.

"Наша модель поможет определить текущий тип породы и скорректировать процесс бурения. Точность предсказания типа породы на основе наших представлений составила 82%, а лучший результат для ранее созданных подходов составляет порядка 59%. Наша разработка поможет принимать решение о разработке месторождения быстрее и эффективнее", - добавляет Марусов.

По словам разработчиков, для создания этого подхода они использовали метод самообучения нейросетей, который не требует предварительной разметки данных, используемых при тренировке системы искусственного интеллекта. Это значительно упрощает подготовку алгоритма к работе и позволяет использовать его для анализа данных, получаемых прямо в процессе геологоразведки.

Как отмечают исследователи, в основе алгоритма лежат так называемые LSTM-нейросети. Ученые из России обнаружили, что две вариации LSTM-сетей, которые сейчас применяются в системах компьютерного зрения, можно также использовать и для точного определения свойств и границ нефтяных месторождений. Работу этих алгоритмов успешно проверили на данных, полученных при разведке нефтеносных слоев пород в регионе Таранаки в Новой Зеландии.

Теги