«Газпром нефть» испытала новую технологию на основе машинного обучения для исследования горных пород

Логотип компании
«Газпром нефть» испытала новую технологию на основе машинного обучения для исследования горных пород
Новая система позволит ежегодно экономить на лабораторных исследованиях около 85 млн рублей.

«Газпром нефть» успешно испытала новую технологию на основе машинного обучения и цифрового зрения для исследования горных пород на месторождениях Западной Сибири.

Проект доказал возможность в 7 раз ускорить лабораторный анализ полноразмерного керна для принятия решения по дальнейшей программе его исследования.

Керн — образец горной породы цилиндрической формы, извлеченный из скважины в процессе бурения; единственный прямой источник информации о недрах, который можно извлечь на поверхность. На его исследованиях основываются ключевые производственные решения при разработке нефтяных и газовых месторождений. До сих пор послойное описание керна составлялось исключительно экспертом-геологом. Этот процесс было очень сложно автоматизировать: характеристика горной породы определяется множеством не всегда очевидных признаков, многие фрагменты слоев крайне неоднородны, и часто экспертное решение при их анализе принималось на основе субъективного опыта.

Керны извлекают из скважин и «оцифровывают» с помощью специальной фотосъемки. Накопленный массив изображений анализируется автоматической системой, которая распознает на фото литологические слои, определяет их название, целостность и другие характеристики.

Для обучения математической модели центром разработки и монетизации данных «Газпром нефти» был разработан классификатор литологических слоев — принципы, по которым тот или иной элемент на фотографии среза керна нужно соотносить с определенными характеристиками геологической породы. Набор данных из более чем 17 тыс. фотографий керна в дневном и ультрафиолетовом свете был подготовлен в партнерстве с геологическим факультетом МГУ им. М. В. Ломоносова.

В комплексе с другими разработками «Газпром нефти» новая система, по предварительным оценкам, позволит ежегодно экономить на лабораторных исследованиях около 85 млн рублей.

Читайте также
Серверы критически требовательны к микроклимату. При выборе кондиционера для ЦОДа очень важно учитывать такие факторы, как форма и размер машзала, тепловая нагрузка на стойку, планы по модернизации ЦОДа и особенности климата в той местности, где он расположен.

Похожие статьи