В России создали систему ИИ для оптимизации разработки нефтяных месторождений

Ученые из России разработали нейросетевой алгоритм, анализирующий данные геологоразведки нефтяных месторождений и оценивающий эффективность планов по добыче изучаемых залежей углеводородов.

Сейчас после оценки месторождения получается большой массив разрозненных данных, и непонятно, что с ним делать. Целью нового исследования было построить такую модель, которая на основе всех этих данных будет создавать математическое представление – вектор, который полностью описывает скважину.

Этот вектор содержит сжатую информацию об уже известных свойствах скважины, а также предположения о том, какими еще характеристиками она обладает. Это должно снизить вероятность того, что нефтяники пересекут границу между породами при бурении и выйдут за границы пласта нефтеносных пород.

Новая модель поможет определить текущий тип породы и скорректировать процесс бурения. Точность предсказания типа породы на основе представлений ученых составила 82%, а лучший результат для ранее созданных подходов составляет порядка 59%. Новая разработка поможет принимать решение о разработке месторождения быстрее и эффективнее.

По словам разработчиков из Сколтеха, для создания этого подхода они использовали метод самообучения нейросетей, который не требует предварительной разметки данных, используемых при тренировке системы искусственного интеллекта. Это значительно упрощает подготовку алгоритма к работе и позволяет использовать его для анализа данных, получаемых прямо в процессе геологоразведки.

Как отмечают исследователи, в основе алгоритма лежат так называемые LSTM-нейросети. Ученые из России обнаружили, что две вариации LSTM-сетей, которые сейчас применяются в системах компьютерного зрения, можно также использовать и для точного определения свойств и границ нефтяных месторождений. Работу этих алгоритмов успешно проверили на данных, полученных при разведке нефтеносных слоев пород в регионе Таранаки в Новой Зеландии.

Источник: nauka.tass.ru