«Автоматизация и информатизация ТЭК»

О современных подходах к решению задачи автоматической корреляции геологических разрезов скважин

УДК: 004.032.26:519.857:551.7.02
DOI: -

Авторы:

¹ РГУ нефти и газа (НИУ) имени И.М. Губкина, Москва, Россия

Ключевые слова: геологическая корреляция, динамическое программирование, машинное обучение, глубокое обучение

Аннотация:

Статья посвящена анализу современных автоматизированных подходов к решению задачи геологической корреляции, которая является основой для изучения внутренней структуры пластов и создания точных геологических моделей. В статье детально описаны преимущества и ограничения традиционных подходов, таких как кросс-корреляция и динамическая трансформация временной шкалы, а также их модификации. Рассматриваются современные нейросетевые архитектуры, такие как сверточные и рекуррентные сети, сети с механизмом внимания, а также их интеграция с алгоритмом динамической трансформации временной шкалы. Кроме того, в статье обсуждаются проблемы, связанные с недостатком качественно размеченных данных, необходимостью их предварительной подготовки и сложностями, возникающими при корреляции в условиях изменчивости толщины пластов и наличия разломов. В заключении акцентируется внимание на важности создания полноценных автоматизированных систем и программных продуктов для решения задачи геологической корреляции, а также выделяются наиболее перспективные направления их дальнейшего развития.

Список литературы:

1. Rudman A.J., Lankston R.W. Stratigraphic Correlation of Well Logs by Computer Techniques // AAPG Bulletin. – 1973. – Vol. 57, Issue 3. – P. 577–588. – DOI: 10.1306/819a4306-16c5-11d7-8645000102c1865d
2. Mann C.J., Dowell Jr T.P.L. Quantitative lithostratigraphic correlation of subsurface sequences // Computers & Geosciences. – 1978. – Vol. 4, Issue 3. – P. 295–306. – DOI: 10.1016/0098-3004(78)90064-X
3. Отечественный комплекс AutoCorr для выполнения корреляции разрезов скважин в автоматическом и полуавтоматическом режимах, моделирования залежей, подсчета запасов УВ и проектирования разработки / И.С. Гутман, И.Ю. Балабан, Г.П. Кузнецова [и др.] // Вестн. ЦКР РОСНЕДРА. – 2005. – № 2. – С. 51–62.
4. Ковалевский Е.В., Гогоненков Г.Н., Перепечкин М.В. Уточнение геологических моделей посредством использования автоматической корреляции скважин // Недропользование XXI век. – 2007. – № 4. – С. 28–31.
5. Le Nir I., Van Gysel N., Rossi D. Cross-Section Construction from Automated Well Log Correlation: A Dynamic Programming Approach Using Multiple Well Logs // SPWLA 39th Annual Logging Symposium, Keystone, Colorado, May 1998. – Society of Petrophysicists and Well-Log Analysts, 1998.
6. Zoraster S., Paruchuri R., Darby S. Curve Alignment for Well-to-Well Log Correlation // SPE Annual Technical Conf. and Exhibition, Houston, Texas, Sept. 26–29, 2004. – DOI: 10.2118/90471-MS
7. Grant C.W., Bashore W.M., Compton S. Rapid Reservoir Modeling with Automated Tops Correlation // Unconventional Resources Technology Conf., Houston, Texas, July 23–25, 2018. – P. 4004–4019. – DOI: 10.15530/urtec-2018-2904037
8. Бурлаков Н.С. Математическое, алгоритмическое и программное обеспечение для идентификации структурных объектов по комплексу разнородных геолого-геофизических данных: дис. … канд. техн. наук: 05.13.11. – М., 2014. – 243 с.
9. Разработка подходов к автоматизированной внутрипластовой корреляции по данным геофизических исследований скважин с применением машинного обучения / И.Д. Латыпов, А.В. Марков, Н.А. Евграфов, Л.Р. Шагимарданова // Экспозиция Нефть Газ. – 2024. – № 4(105). – С. 47–51. – DOI: 10.24412/2076-6785-2024-4-47-51
10. Wheeler L., Hale D. Simultaneous correlation of multiple well logs // SEG Technical Program Expanded Abstracts 2014, Denver, Colorado, Oct. 26–31, 2014. – Society of Exploration Geophysicists, 2014. – P. 618–622. – DOI: 10.1190/SEGAM2014-0227.1
11. Incremental correlation of multiple well logs following geologically optimal neighbors / Wu Xinming, Shi Yunzhi, S. Fomel, Li Fangyu // 2017 SEG Int. Exposition and Annual Meeting. – Society of Exploration Geophysicists, 2017. – P. 1945–1949. – DOI: 10.1190/segam2017-17779046.1
12. Практическая реализация применения нейросетевых моделей для моделирования сложных газотранспортных систем большой размерности / Н.А. Кисленко, С.Н. Панкратов, В.В. Дедкова [и др.] // Автоматизация и информатизация ТЭК. – 2024. – № 9(614). – С. 33–41.
13. Канониров А.П., Захаров А.А. Обнаружение плоскостей тектонических нарушений методами самоконтролируемого обучения // Автоматизация и информатизация ТЭК. – 2024. – № 11(616). – С. 83–89.
14. Luthi S.M., Bryant I.D. Well-log correlation using a back-propagation neural network // Mathematical Geology. – 1997. – Vol. 29, Issue 3. – P. 413–425. – DOI: 10.1007/BF02769643
15. Шарафутдинов Т.Р., Шайбаков Р.А. Апробация алгоритма автокорреляции данных геофизических исследований скважин на примере отложений ачимовской толщи Правдинского месторождения // Науч.-техн. вестн. ОАО "НК "Роснефть". – 2012. – № 1(26). – С. 18–22.
16. Machine-learning methods in Geoscience / H. Maniar, S. Ryali, M.S. Kulkarni, A. Abubakar // SEG Int. Exposition and Annual Meeting, Anaheim, California, USA, October 2018. – Society of Exploration Geophysicists, 2018. – P. 4638–4642. – DOI: 10.1190/SEGAM2018-2997218.1
17. Deep-Learning-Based Automated Stratigraphic Correlation / Y. Tokpanov, J. Smith, Ma Zheren [et al.] // SPE Annual Technical Conf. and Exhibition, Oct. 26–29, 2020, Virtual. – DOI: 10.2118/201459-ms
18. Automated stratigraphic correlation of well logs using Attention Based Dense Network / Yang Yang, Wang Jingyu, Li Zhuo [et al.] // Artificial Intelligence in Geosciences. – 2023. – Vol. 4. – P. 128–136. – DOI: 10.1016/j.aiig.2023.09.001
19. Automatic Well-Log Depth Shift with Multilevel Wavelet Decomposition Network and Dynamic Time Warping / Meng Fan, Fan Xiangyu, Chen Siyuan [et al.] // Geoenergy Science and Engineering. – 2024. – Vol. 246. – P. 213583. – DOI: 10.1016/j.geoen.2024.213583
20. Well Logging Stratigraphic Correlation Algorithm Based on Semantic Segmentation / Wang Cai-zhi, Wei Xing-yun, Pan Hai-xia [et al.] // Applied Geophysics. – 2024. – Vol. 21, Issue 4. – P. 650– 666. – DOI: 10.1007/s11770-024-1085-8