Применение методов машинного обучения для автоматизации интерпретации данных геофизических исследований скважин

UDK: 681.518:550.832
DOI: 10.24887/0028-2448-2020-11-44-47
Ключевые слова: машинное обучение, искусственная нейронная сеть, большие данные (big data)
Авт.: М.А. Басыров (ПАО «НК «Роснефть»), к.т.н., А.В. Акиньшин (ООО «Тюменский нефтяной научный центр»), к.г.-м.н., И.Р. Махмутов (ООО «Тюменский нефтяной научный центр»), Ю.Д. Кантемиров (ООО «Тюменский нефтяной научный центр»), И.О. Ошняков (ООО «Тюменский нефтяной научный центр»), М.Б. Кошелев (ООО «Тюменский нефтяной научный центр»)

Одной из приоритетных задач ООО «Тюменский нефтяной научный центр» (дочернее общество ПАО «НК «Роснефть») является разработка, апробация и внедрение новых интерпретационных методик и технологий, которые позволят повысить эффективность петрофизического сопровождения проектов компании по разработке, геологоразведке и подсчету запасов. Современная петрофизика развивается в направлении цифровизации, внедрения машинного интеллекта и обработки больших данных. Создаваемые цифровые помощники не могут пока заменить специалистов. Однако возможности таких алгоритмов будет только возрастать, что обеспечит постепенное замещение непроизводительного ручного труда в области рутинных подготовительных оформительских работ. Следствием этого должно стать кардинальное сокращение временных затрат на выполнение петрофизических проектов. При этом роль специалиста должна все в большей степени сводиться к «программированию» цифровых помощников и преимущественно аналитической деятельности, что привет к качественному сдвигу с точки зрения глубины и детальности проработки петрофизических решений. Очевидно, что анализ больших объемов данных позволит выявлять новые эффективные инструменты для прогноза петрофизических и геологических свойств, а также обеспечит новый уровень прогноза эксплуатационных показателей. Вместе с тем новые технологические и информационные стандарты диктуют и новые требования к профилю компетенций специалиста: естественным дополнением к традиционному багажу петрофизических знаний должны стать развитые компетенции в области ИТ-технологий и, как минимум, базовые навыки программирования. Показано, что цифровизация, использование возможностей искусственного интеллекта и анализ больших объемов данных должны привести к новому витку развития в области петрофизики и качественному повышению эффективности петрофизического сопровождения геологоразведки и разработки нефтегазовых месторождений.

Список литературы

1. Высокотехнологичные методы геофизических исследований скважин / М.А. Басыров, А.В. Хабаров, И.А. Ханафин [и др.] // Нефтяное хозяйство. – 2019. – № 11. – С. 13–17.

2. Hierarchical Attention Networks for Document Classification / Zichao Yang, Diyi Yang, C. Dyer, Xiaodong He [et al.]. – San Diego, California: Association for Computational Linguistics, 2016. – P. 1480–1489. – https://www.aclweb.org/anthology/N16-1174



Внимание!
Купить полный текст статьи (формат - PDF) могут только авторизованные посетители сайта.