Ученые «Сколтеха» создали ИИ для анализа сложных нефтеносных пород в Западной Сибири

Алгоритм машинного обучения позволяет быстро определять состав пород баженовской свиты без дорогостоящих лабораторных анализов, ускоряя разведку месторождений.

Учёные из «Сколтеха» разработали инновационный подход на основе машинного обучения, который позволяет быстро и с минимальными затратами определять минеральный состав сложно устроенных нефтеносных пород. В первую очередь речь идёт о знаменитой баженовской свите в Западной Сибири, где сосредоточена значительная часть запасов нефти.

До сих пор изучение сланцев и других неоднородных пород требовало множества точечных замеров и дорогостоящих лабораторных анализов. Это замедляло разведку и делало освоение месторождений экономически затратным.

Учёные предложили элегантное решение: использовать системы машинного обучения, обученные на тысячах предыдущих замеров, чтобы восстанавливать минералогический профиль по всей длине ствола скважины без проведения сложных исследований. Созданная цепочка алгоритмов учитывает взаимосвязи между минералами и анализирует данные стандартных каротажных зондов, дополненных тепловыми измерениями.

Как пояснил аспирант «Сколтеха» Батырхан Гайнитдинов, добавление тепловых данных существенно повысило точность прогноза: ошибка в определении объёмных долей минералов снизилась. Тестирование показало, что новый метод не уступает по точности дорогостоящим замерам, позволяя оценивать ключевые параметры пород, включая теплопроводность.

«Разработка может использоваться для быстрой интерпретации данных в процессе бурения, выделения перспективных интервалов и оптимизации методов увеличения нефтеотдачи», — отметил профессор «Сколтеха» Дмитрий Коротеев.