Поиск нефти в породах с трещинами улучшится – структура РАН разработала новый алгоритм

Ученые Института нефтегазовой геологии и геофизики им. Трофимука СО РАН сообщили о создании нового алгоритма обработки сейсмических данных. Он может заметно повысить точность поиска нефти и газа в карбонатных резервуарах. Речь идет о сложных геологических структурах, сформированных известняками и доломитами с развитой системой трещин и пустот, где сосредоточена значительная доля мировых запасов углеводородов, сообщает tass.ru.

Карбонатные коллекторы традиционно относятся к числу наиболее трудных объектов для геологоразведки. Их внутренняя структура отличается высокой неоднородностью, а распределение нефти и газа носит «пятнистый» характер. Это осложняет интерпретацию данных. В мировой практике отмечается, что подобные резервуары могут содержать до трети мировых запасов нефти и до четверти газа, однако значительная часть этих ресурсов остается трудноизвлекаемой именно из-за сложности геологического строения.

Найдут нефть в трещинах – новый алгоритм от российских ученых

Новая разработка российских ученых направлена на выделение рассеянных сейсмических волн — одного из наиболее информативных, но технически сложных для анализа типов сигналов. Именно такие волны позволяют выявлять зоны трещиноватости и мелкие неоднородности, которые напрямую связаны с наличием углеводородов. Подход основан на методах машинного обучения и использовании синтетических обучающих выборок, моделирующих реальные условия Восточной Сибири и других нефтегазоносных регионов.

Читайте по теме: «трудную» нефть будет проще извлечь – разработан безопасный способ добычи

Подобные технологии активно развиваются и в международной научной практике. В последние годы машинное обучение стало ключевым инструментом в обработке сейсмических данных. Так, в зарубежных исследованиях применяются нейросетевые модели для интерпретации сейсмики, прогнозирования насыщения пластов и восстановления геологической структуры по многомерным данным, включая методы глубокого обучения и физически-информированные нейросети (PINN). В частности, такие подходы используются для моделирования волновых процессов в сложных средах и повышения точности интерпретации шумных сигналов.

Возможности разработки для поиска нефти структуры РАН

В ИНГГ СО РАН подчеркивают, что алгоритм был протестирован как на синтетических моделях, так и на реальных сейсмических данных. В ходе вычислительных экспериментов он показал устойчивую способность выделять полезные сигналы на фоне шумов, что особенно важно для сложных регионов с высокой степенью геологической неоднородности. Представитель исследовательской группы Максим Протасов отметил, что адаптация алгоритма к условиям реальных помех существенно повышает его практическую ценность при обработке полевых данных.

Мировой опыт подтверждает актуальность таких решений. В исследованиях, посвященных мониторингу подземных процессов, включая хранение углекислого газа и изучение миграции флюидов в пластах, машинное обучение уже используется для анализа сейсмических сигналов в условиях сильных шумов и ограниченных данных. Это позволяет точнее оценивать динамику подземных процессов и повышать надежность интерпретации геофизических наблюдений.

Эксперты отмечают, что развитие подобных технологий связано с общей трансформацией нефтегазовой отрасли, где цифровые методы постепенно заменяют классические подходы интерпретации. Использование нейросетей, цифровых моделей месторождений и алгоритмов анализа больших данных позволяет существенно снижать стоимость геологоразведки и уменьшать количество неопределенных решений при бурении.

Ранее на сайте pronedra.ru писали, что потребление ЦОДов растет – сколько нефти нужно для получения 1 биткоина