Ученые Санкт-Петербургского государственного университета и Московского государственного университета имени М.В. Ломоносова создали нейросетевой алгоритм, упрощающий обработку поверхностных сейсмических волн, необходимых для освоения нефтегазовых месторождений шельфа. Результаты исследования опубликованы в научном журнале «Геофизика».
Россия обладает значительными запасами углеводородов, расположенными на шельфе, которые играют ключевую роль в нефтегазовом секторе страны. По данным Минприроды РФ, около 70% разведанных запасов углеводородов России сосредоточено именно в арктических и дальневосточных морях, при этом в промышленной разработке находится лишь около 5% имеющихся запасов — это связано со сложными условиями добычи нефти и газа на шельфе.
Морские сейсмические работы представляют собой важнейший этап геолого-геофизических исследований при освоении шельфовых месторождений. Так, с помощью сейсмических кос — специальных мобильных систем сейсморазведки — регистрируются волновые поля, отраженные от различных геологических границ. При строительстве донной инфраструктуры и установке буровых платформ особое внимание уделяется исследованию верхней части геологического разреза (до 100−150 метров ниже поверхности дна), где могут находиться осложняющие строительство объекты: палеорусла, зоны разуплотнения и другие, наличие которых представляет потенциальную опасность, их нужно выявлять и учитывать при освоении месторождений.
Одним из эффективных методов изучения верхней части разреза является анализ поверхностных сейсмических волн. При этом до появления современных нейросетевых технологий обработка поверхностных волн требовала значительных временных затрат: специалистам приходилось анализировать каждую сейсмограмму, выделять дисперсионные кривые (зависимость скорости распространения сейсмической волны от ее частоты) и проводить инверсию для построения скоростных моделей. Из-за огромных объемов информации (сотни тысяч сейсмограмм при 3D-съемках) приходилось использовать разреженную сеть наблюдений, чтобы успеть сдать проект в приемлемые сроки, что снижало точность получаемых результатов. Особые трудности возникали при интерпретации геологических объектов сложной формы, а также малых размеров, когда требовалась особенно высокая разрешающая способность.
Ученые Санкт-Петербургского государственного университета и Московского государственного университета имени М.В. Ломоносова предложили новый подход к обработке поверхностных сейсмических волн с использованием нейронных сетей.
«Такая разработка позволяет значительно повысить детализацию изучения верхней части геологического разреза и точнее выявлять опасные процессы, такие как палеоврезы и зоны грубообломочных отложений. Используемая нейросеть корректно восстанавливает скоростные аномалии, причем эти данные легко подтверждаются независимыми сейсмическими наблюдениями», — сказал руководитель проекта, директор Передовой инженерной школы СПбГУ «Междисциплинарные исследования, технологии и бизнес-процессы для минерально-сырьевого комплекса России», доцент кафедры геофизики Вячеслав Половков.
Традиционно для анализа поверхностных волн применяется технология MASW (Multichannel Analysis of Surface Waves), но из‑за большого объема данных обработка занимает много времени, часто используется лишь 8−10% полученной информации. Ученые СПбГУ обучили нейросеть EfficientNetb4 обрабатывать сведения на таком ограниченном наборе данных, а затем применили нейросетевую модель ко всему имеющемуся массиву. Это позволило получить высокодетализированные 3D-модели распределения скоростей поперечных волн суммарной площадью более 2000 км2.
Новый подход не только ускоряет обработку и повышает точность, но также позволяет более безопасно осваивать шельфовые месторождения, поскольку дает возможность учитывать геологические риски при строительстве и бурении. В дальнейшем метод планируется усовершенствовать за счет обучения на синтетических данных, что сделает его еще более надежным инструментом для морской геофизики.
Информация предоставлена пресс-службой СПбГУ
Источник фото: ru.123rf.com
