Алгоритм на основе нейросетей упростит анализ сложных нефтеносных пород В основанной на машинном обучении методике используются стандартные данные геофизических исследований скважин (каротажа) в сочетании с информацией о тепловых свойствах пород. Фото: ru.freepik.com

Алгоритм на основе нейросетей упростит анализ сложных нефтеносных пород

Новый метод определения минерального состава пород в нетрадиционных коллекторах, таких как Баженовская свита в Западной Сибири, разработан учеными Сколтеха и Санкт-Петербургского государственного университета.

В основанной на машинном обучении методике используются стандартные данные геофизических исследований скважин (каротажа) в сочетании с информацией о тепловых свойствах пород. В пресс-службе Сколтеха подчеркивают, что она позволяет получать точные данные о минералогии по всей длине ствола скважины, что является практичной и экономичной альтернативой дорогостоящим и точечным лабораторным исследованиям керна или скважинной спектроскопии.

Нетрадиционные коллекторы отличаются неоднородностью состава, они богаты органическим веществом и требуют особых подходов к изучению, поскольку от минерального состава напрямую зависит пористость, проницаемость и другие свойства породы, определяющие успешность разведки и добычи углеводородов. Разработанный подход позволяет с высокой точностью прогнозировать массовые и объемные доли ключевых минералов, таких как глина, кальцит, доломит, пирит, кварц, полевой шпат, слюда и сидерит, а также учитывать содержание органического углерода. В основе метода лежит алгоритм градиентного бустинга, интегрированный в специальную структуру цепочки регрессоров, которая учитывает взаимосвязи между определяемыми минералами. Модель демонстрирует высокую точность, сопоставимую с точностью специализированных и дорогостоящих приборов.

Комплексный подход, от предобработки данных и выбора модели до физической валидации через расчет теплопроводности, создает основу для практического применения. Методика может быть использована для оперативной интерпретации данных в процессе бурения, выделения перспективных интервалов в сложных коллекторах и оптимизации методов увеличения нефтеотдачи.