Меню

Студент НГУ представил разработку для нефтегазовой отрасли

Иллюстрация: НГУ

Программный модуль для анализа сейсмических данных позволяет сократить время их интерпретации и повысить точность и оперативность прогноза распределения коллектора на реальных месторождениях.

Разработанный модуль объединяет процедуры синхронной инверсии и литоклассификации с применением машинного обучения.  Модуль автоматически находит все необходимые параметры, избавляя специалиста от необходимости подбирать их вручную. Прямых аналогов такого сочетания алгоритмов на российском и зарубежном рынках пока нет, рассказали в университете.

Модуль разработал студент Геолого-геофизического факультета Новосибирского университета Владислав Корчуганов под руководством доцента НГУ Антона Дучкова. В состав модуля входят процедуры сейсмической акустической и синхронной инверсии, а также литоклассификация с применением машинного обучения.

Уникальность разработки состоит в том, что модуль способен автоматически находить все необходимые параметры, полностью исключая ручную настройку специалистом. Несмотря на активную работу нескольких научно-исследовательских групп, ни одной из них пока не удалось добиться полной автоматизации. Молодой исследователь описал свою разработку в магистерской диссертации на тему «Повышение эффективности объемного прогноза литотипов по результатам синхронной амплитудной инверсии».

Сейсморазведка — это метод разведочной геофизики, который использует искусственно возбуждаемые упругие волны для изучения геологического строения Земли. Он применяется для поиска ловушек нефти и газа на глубинах до нескольких километров. Для задач нефтегазовой отрасли используется сейсморазведка на основе отраженных волн, то есть изучаются те волны, которые отразились от акустически контрастных границ в толще горных пород.

Волны фиксируются специальными датчиками, после чего полученные данные проходят серию процедур обработки и интерпретации. В итоге получается объемная модель исследуемого участка недр, на основании которой можно делать выводы о геологическом строении и наличии перспективных в плане содержания нефти и газа объектов.

Если представить себе такие данные наглядно, то для большинства месторождений они выглядят как «слоеный пирог», в котором каждый слой — это осадочная порода мощностью примерно 50–100 метров, формировавшаяся на протяжении миллионов лет. Задача геолога — обнаружить в этом «пироге» те слои, которые содержат нефть и газ, объяснили разработчики.

С технической точки зрения данные сейсморазведки — это трехмерный массив, состоящий из миллиардов отдельных точек. Объем такого массива (в индустрии их называют «сейсмическими кубами») может легко превышать 15-20 Гб. Очевидно, что работа с такими большими данными требует серьезной IT-компетенции. В настоящее время на внутреннем рынке России происходит активное развитие проектов по разработке программных пакетов для промышленной интерпретации данных сейсморазведки. Компании вкладывают большие средства, чтобы заменить импортные комплексы, которые успели стать стандартом индустрии. Одним из таких проектов является программное обеспечение (ПО) нового поколения, разрабатываемое НГУ совместно с индустриальным партнером. Моя квалификационная работа возникла из необходимости реализации ряда процедур для этого программного комплекса. В ней я реализовывал процедуры инверсии сейсмических кубов. Если говорить простыми словами: исходные сейсмические данные могут ответить на вопрос «где именно находятся слои?», но не позволяют сразу понять, «что именно в этих слоях содержится?». Обычно этим занимается геолог, собирая и тщательно анализируя множество дополнительной информации.  Мои алгоритмы дают возможность частично автоматизировать этот процесс, объединяя данные со скважин с сейсмическими кубами, благодаря чему можно оперативнее и точнее понять, что именно скрыто в недрах, — рассказал Владислав Корчуганов.

В ходе промышленных испытаний программный модуль показал высокую эффективность, отметили в университете: синхронная инверсия для реальных данных месторождения Оренбургской области позволила добиться высокой сходимости скважинных и рассчитанных упругих свойств. Применение разработанной схемы классификации позволило в три раза повысить ключевые метрики прогноза класса «коллектора» по исследуемой площади.