Автоматизация анализа текстовых описаний керна с использованием больших языковых моделей

UDK: 681.518:550.822.3

DOI: 10.24887/0028-2448-2026-2-71-76

Ключевые слова: керн, литология, искусственный интеллект (ИИ), машинное обучение, ИИ-агенты, большие языковые модели (LLM), промпт-инжиниринг, автоматизация анализа текстов, геология нефти и газа

Авт.: О.А. Ядрышникова, к.т.н. (ООО «РН-ГИР», ОГ ПАО «НК «Роснефть»; Тюменский индустриальный университет); М.Л. Бычков (ООО «РН-ГИР», ОГ ПАО «НК «Роснефть»); Н.П. Девятка (ООО «РН-ГИР», ОГ ПАО «НК «Роснефть»); В.М. Яценко (ПАО «НК «Роснефть»); Р.Н. Кунафин (ПАО «НК «Роснефть»)

В статье описываются способы автоматизации анализа текстовых литологических описаний керна с использованием больших языковых моделей (Large Language Models (LLM)). Представлен сервис «ЛитоТекст», разработанный в ПАО «НК Роснефть» в рамках программы цифровой трансформации, который впервые в производственной практике нефтегазовой геологии применяет LLM, технологию промпт-инжиниринга и экспертные знания литолога для автоматического определения в текстах описания геологических слоев 16 параметров горных пород, таких как тип горной породы, цвет, визуальное насыщение, текстура, зернистость, трещиноватость, тип пустотного пространства и др. Сервис обрабатывает литологические описания с помощью инструментов искусственного интеллекта (ИИ) – ИИ-агентов, основанных на LLM, предназначенной для анализа текста. Проведено сравнение методов машинного обучения и методов промпт-инжиниринга LLM, показано преимущество последнего. Сервис обеспечивает автоматическое извлечение параметров из текстов, валидацию на эталонных базах и быструю обработку исторических данных. Практическая апробация в компании показала кратное сокращение времени автоматизированной обработки текстов по сравнению с ручным извлечением параметров специалистом, снижение числа ошибок, вызванных человеческим фактором. Полученные результаты подтверждают потенциал применения LLM в нефтяной геологии с целью автоматизации анализа литологических описаний керна.

Список литературы

1. «Роснефть» внедряет искусственный интеллект в изучение керна. – https://www.rosneft.ru/press/news/item/222239/

2. Недоливко Н.М. Исследование керна нефтегазовых скважин. – Томск: Изд-во ТПУ, 2006. -163 с. – https://portal.tpu.ru/SHARED/n/NEDOLIVKO/disc1/Tab2/Posobie.pdf

3. Das M.A. Comparative Study on TF-IDF feature Weighting Method. – 2023. – https://arxiv.org/abs/2308.04037

4. Reimers N., Gurevych I. Sentence-BERT: Sentence Embeddings using Siamese BERT-Networks. – https://arxiv.org/abs/1908.10084

5. Ядрышникова О.А., Тенюнин А.Ф., Бычков М.Л. Искусственный интеллект и геологические архивы: новые подходы для автоматической индексации // Актуальные проблемы нефтегазовой отрасли: Сборник докладов научно-практических конференций журнала «Нефтяное хозяйство» – Москва, 2024 год. – М.: ЗАО «Издательство «Нефтяное хозяйство», 2025. – C. 139-143. – EDN: JKYHKD

6. Large Language Models for Text Classification / A. Kostina, M.D. Dikaiakos, D. Stefanidis, G. Pallis. – 2025. – https://arxiv.org/html/2501.08457v1

7. Sber Developers. Prompt engineering: лучшие практики. – https://developers.sber.ru/docs/ru/gigachat/prompts-hub/prompt-engineering