Қазақстанның мұнай-газ саласының хабаршысыҚазақстанның мұнай-газ саласының хабаршысы2707-42262957-806XKMG Engineering10857610.54859/kjogi108576Научная статьяИспользование нейронных сетей при динамическом анализе сейсмических данныхКалиевДиас Талгатович<p>руководитель группы сейсмических исследований</p>d.kaliyev@niikmg.kzТОО «КМГ Инжиниринг»200720224227342007202220072022Copyright © 2022, Калиев Д.Т.2022<p><em>Нейронные сети и машинное обучение уже долгое время используются практически каждым человеком в повседневной жизни, возможно, не всегда осознанно. Когда алгоритм социальных сетей определяет лица людей на фото или голосовой помощник помогает нам в поиске какой-то информации, в основе всех этих действий лежат методы машинного обучения.</em></p> <p><em>Алгоритмы нейронных сетей не обошли стороной и область разведки и добычи нефти и газа. Данная статья ставит целью проиллюстрировать пример применения нейронных сетей при анализе сейсмических данных по действующему месторождению и прогнозировании петрофизических свойств для дальнейшей детализации геологической модели и выделения дополнительных скоплений углеводородов.</em></p> <p><em>Одним из ключевых условий для успешного прогнозирования петрофизических свойств с помощью нейронных сетей является широкая выборка скважинного материала для эффективного обучения нелинейного оператора. В данном случае в условиях действующего месторождения в наличии имелось более 100 скважин, что вполне отвечает требованиям алгоритма. Другим важным условием для данной методики является качественная сейсмостратиграфическая привязка скважин к сейсмике; данный этап работ будет также описан в рамках данной статьи.</em></p> <p><em>Особенностью нейросетевого анализа, в отличие от классической инверсии, является то, что здесь не используется сейсмический импульс: нейронная сеть подбирает такого оператора, который наилучшим образом описывает связь между несколькими сейсмическими трассами в области скважины и каротажной кривой. Данная особенность позволяет сократить время анализа и получать экспресс-результаты при соблюдении вышеописанных условий, что делает метод нейронных сетей эффективным инструментом динамического анализа сейсмических данных.</em></p>inversionneural netswell tieseismic datawaveletинверсиянейрондық желілербайланыстырусейсмикалық деректерсейсмикалық импульсинверсиянейронные сетипривязкасейсмические данныесейсмический импульс1.Veeken P.C.H., Priezzhev I.I. Genetic Seismic Inversion Using a Non-linear, Multi-trace Reservoir Modeling Approach. – 71st EAGE Conference and Exhibition incorporating, SPE EUROPEC, 2009. DOI:10.3997/2214-4609.201400020.2.Priezzhev I.I., Veeken P.C.H. Seismic waveform classification based on Kohonen 3D neural networks with RGB visualization. – First Break, 2019, v. 37, iss. 2, pp. 37–43. DOI: https://doi.org/10.3997/1365-2397.2019012.3.Учебные материалы ПО Petrel от 18.05.2021. // Uchebnye materialy PO Petrel ot 18.05.2021. [Petrel Software Tutorial Materials dated 05/18/2021]