Исследователи из Сколтеха представили модель, которая упростит планирование разработки нефтяных месторождений. С ее помощью можно получить полезную информацию о скважине — например, сравнить ее с уже разработанными скважинами поблизости, чтобы спрогнозировать актуальные для нефтедобычи свойства и повысить эффективность бурения.
Исследование опубликовано в журнале первого квартиля (то есть часто цитируемом и востребованном) IEEE Geoscience and Remote Sensing Letters.
Процесс разработки нефтяных и газовых месторождений можно разделить на три этапа: поиск, оценка и разработка. Оценка касается, например, объемов и распределения запасов углеводородов. На этом этапе бурят разведочные скважины и спускают в них зонды, которые фиксируют большое количество показателей — от радиоактивности пласта до подвижности грунтовых вод. Затем эту информацию используют для принятия решений по разработке.
«Сейчас после оценки месторождения мы получаем большой массив разрозненных данных, и непонятно, что с ним делать. Целью нашего исследования было построить такую модель, которая на основе всех этих данных будет создавать математическое представление — вектор, который полностью описывает скважину», — объясняет первый автор работы, инженер-исследователь Сколтеха Александр Марусов.
Вектор, который выдаёт модель, содержит всю самую полезную информацию о скважине в сжатом виде. Помимо гипотез о ее свойствах, модель поможет решить проблему неправильного направления бурения, например.
Обучение модели производилось с помощью метода самообучения (self-supervised learning), который отличается от традиционных подходов машинного обучения. Для последних нужны данные с разметкой, то есть снабжённые дополнительным описанием, а режим самообучения этого не требует. Например, зонд может регистрировать в разведочной скважине излучение или другие сигналы геофизических процессов.
«Методы самообучения разделяют на контрастивные и неконтрастивные. Мы применяли неконтрастивные — в таких методах используются только пары одинаковых объектов. В качестве примера таких объектов можно привести интервалы сигналов из одной и той же скважины», — рассказывает ученый.
Источник: Naked Science
Исследование опубликовано в журнале первого квартиля (то есть часто цитируемом и востребованном) IEEE Geoscience and Remote Sensing Letters.
Процесс разработки нефтяных и газовых месторождений можно разделить на три этапа: поиск, оценка и разработка. Оценка касается, например, объемов и распределения запасов углеводородов. На этом этапе бурят разведочные скважины и спускают в них зонды, которые фиксируют большое количество показателей — от радиоактивности пласта до подвижности грунтовых вод. Затем эту информацию используют для принятия решений по разработке.
«Сейчас после оценки месторождения мы получаем большой массив разрозненных данных, и непонятно, что с ним делать. Целью нашего исследования было построить такую модель, которая на основе всех этих данных будет создавать математическое представление — вектор, который полностью описывает скважину», — объясняет первый автор работы, инженер-исследователь Сколтеха Александр Марусов.
Вектор, который выдаёт модель, содержит всю самую полезную информацию о скважине в сжатом виде. Помимо гипотез о ее свойствах, модель поможет решить проблему неправильного направления бурения, например.
Обучение модели производилось с помощью метода самообучения (self-supervised learning), который отличается от традиционных подходов машинного обучения. Для последних нужны данные с разметкой, то есть снабжённые дополнительным описанием, а режим самообучения этого не требует. Например, зонд может регистрировать в разведочной скважине излучение или другие сигналы геофизических процессов.
«Методы самообучения разделяют на контрастивные и неконтрастивные. Мы применяли неконтрастивные — в таких методах используются только пары одинаковых объектов. В качестве примера таких объектов можно привести интервалы сигналов из одной и той же скважины», — рассказывает ученый.
Источник: Naked Science