Қазақстанның мұнай-газ саласының хабаршысыҚазақстанның мұнай-газ саласының хабаршысы2707-42262957-806XKMG Engineering10462610.54859/kjogi104626Ғылыми мақалаТектоникалық модель болжамының жинақталуынан және анықтығынан кейін сейсмикалық деректердің сапасын арттыру міндеті мысалында сейсмикалық барлау жұмыстарының деректерін кинематикалық түсіндірудің цифрлық көмекшілерін пайдалануға көшуАвдеевПавел Алексеевичp.avdeev@geoplat.comБазановАндрей Константиновичa.bazanov@geoplat.comЕфремовИгорь Ивановичi.efremov@geoplat.comМифтаховРуслан Фанисовичr.miftakhov@geoplat.com«ГридПоинт Дайнамикс» ААҚ160520224150570903202210032022Copyright © 2022, Avdeev P., Bazanov A., Efremov I., Miftakhov R.2022<p>Қазіргі заманғы сейсмикалық барлаудың алдында, геологиялық жағдайы күрделі өңірлерде процестерді автоматтандыру және жұмыс нәтижелерінің дұрыстығын арттыру міндеттері бұрынғыша тұр. Сейсмикалық барлау жұмыстарының циклінде кинематикалық түсіндіру кезеңі маңызды орын алады, оның басты мақсаты геологиялық қиманың құрылымдық ерекшеліктерін толық түсіну және нақты зерттеу аймағының негізделген геологиялық моделін алу болып табылады.</p> <p>Жұмыстың осы кезеңіндегі қателік бағасы өте жоғары, бірақ түсіндіру процестері айтарлықтай еңбекті қажет етеді, ал нәтижелерде қателіктер жиі кездеседі. Стандартты алгоритмдер мен әдістемелік тәсілдер қойылған міндеттердің толық спектрін шешуді толық көлемде қамтамасыз етпейді, бұл сейсмикалық барлау деректерін интерпретациялаудың жаңа тәсілдерін іздеу қажеттілігін негіздейді.</p> <p>Соңғы жылдары өндірістік мәселелерді шешу үшін жасанды интеллект мүмкіндіктерін тарту мәселелері көбірек қызығушылық тудыруда. Машиналық оқыту және терең нейрондық желілер арқылы жасанды интеллектті қолдануға негізделген сейсмикалық барлау деректерін кинематикалық түсіндіру кезеңінің міндеттерін шешудің жаңа тәсілдері ұсынылады:</p> <p>– бастапқы сейсмикалық материалдың сапасын жақсарту және құрылымдық түсіндіру кезеңін жеңілдету үшін жиынтық сейсмикалық деректердің тұрақты емес кедергілерін жою технологиясы;</p> <p>– бұзушылық жүйелерін ықтималды болжау және толық тектоникалық модель алу технологиясы.</p> <p>Теориялық негіздер ұсынылған және әртүрлі геологиялық жағдайларда құрылымдық құрылыстар кезеңінде субъективизмді және уақыт шығындарын айтарлықтай қысқарту үшін интерпретация кезінде нейрондық желілерді пайдаланудың артықшылықтарын растайтын нақты өндірістік жобалар сериясында технологияларды қолдану нәтижелері көрсетілген.</p>seismic interpretationtectonic faultsnoise effects of seismic recordingtectonic modelautomationartificial intelligencemachine learningdeep neural networksmethodologyсейсмикалық интерпретациятектоникалық бұзылуларсейсмикалық жазудың шу әсерлерітектоникалық модельавтоматикажасанды интеллектмашиналық оқытутерең нейрондық желілерәдістемесейсмическая интерпретациятектонические нарушенияшумовые эффекты сейсмической записитектоническая модельавтоматизацияискусственный интеллектмашинное обучениеглубокие нейронные сетиметодика1.Xing Zhao, Ping Lu, Yanyan Zhang, Jianxiong Chen, and Xiaoyang Li. Swell-noise attenuation: A deep learning approach. – The Leading Edge, 2019, v. 38, № 12, р. 934-943.2.Xiong W., Ji X., Ma Y., Wang Y., AlBenHassan N.M., Ali M.N., and Luo Y. Seismic fault detection with convolutional neural network. – Geophysics, 2018, v. 83, №. 5, р. O97–O103.3.Wu X., Shi Y., Fomel S., Liang L., Zhang Q., and Yusifov A. FaultNet3D: Predicting fault probabilities, strikes and dips with a common CNN. – IEEE Transactions on Geoscience and Remote Sensing, 2019.