Пермские ученые применили нейросети для моделирования пористости горных пород: оценка этого качества, наряду с плотностью и проницаемостью, позволяет оценить потенциал месторождения. На основе этих характеристик строят 3D-модель месторождения и получают информацию о содержащихся в нем запасах нефти и газа. Однако структура и свойства коллекторов изменчивы, что может препятствовать получению достоверных данных традиционными методами – изучая свойства керна горных пород. Как сообщает пресс-служба Пермского политеха, исследователи вуза занялись разработкой подхода к моделированию с учетом этого факта.

Алгоритмы машинного обучения были созданы на основе существующих результатов геофизических исследований скважин: данные интегрировали в 3D-модель месторождения, что позволило уточнить распределение пористости и выполнить пересчет запасов нефти. «Построенную модель машинного обучения использовали для уточнения геологической модели месторождения и пересчета запасов нефти. Прогноз пористости выполнили для 22 скважин. В результате мы отметили повышение его точности на 56% по сравнению со стандартным методом», – заключил доцент кафедры геологии нефти и газа Сергей Кривощеков.

Также в ходе эксперимента были выявлены дополнительные места с запасами нефти, ранее не задействованные в разработке, что позволило скорректировать план по добыче, включив в него новые зоны. Инновационный подход дает возможность более эффективно использовать ресурсы месторождения, снижая затраты и увеличивая объемы добычи.