В Перми разработали нейросеть для геологов
Ученые Пермского политеха совместно с китайскими коллегами разработали гибридную ИИ-модель, предсказывающую горизонтальные напряжения в горных породах при бурении скважин. Модель использует стандартные данные геофизических исследований.
Созданный алгоритм анализирует девять непрерывно изменяющихся параметров, получаемых в ходе геологических исследований: скорость звука, плотность породы, электрическое сопротивление, естественную радиоактивность, пористость и другие показатели. На их основе система рассчитывает минимальное и максимальное горизонтальное напряжение в пласте. Точность ИИ-модели составляет 99,5%.
Для отрасли точность имеет архиважное значение: если давление раствора недостаточно, возможно обрушение стенок скважины и поломка оборудования, если чрезмерно, возрастает риск деформации пласта и аварийного выброса. Точное знание горизонтальных напряжений, возникающих из-за движения тектонических плит, также важно для гидроразрыва пласта, поскольку направление трещин зависит от распределения напряжений.
Горизонтальные напряжения измеряются несколькими способами. Достоверный, но проводимый лишь в интервалах – извлечение керна, впоследствии изучаемого в лаборатории. Ограничение методики в том, что после извлечения керна естественное напряжение исчезает, восстановить его можно лишь приблизительно. Также используется метод геофизических исследований, когда в скважину опускаются приборы. Но при расчете по полученным данным для выведения формул используется ряд упрощений.
На данном фоне нейросети являются оптимальным вариантом. До сих пор они отлично справлялись с выявлением скрытых закономерностей в больших массивах данных. При этом прекрасно показывали себя на уже известных скважинах, но стабильно ошибались на новых, выдавая в лучшем случае точность на уровне 85%. В некоторых случаях она составляет всего 65%. Еще один момент: расчет занимал несколько десятков секунд. В условиях современной добычи это чрезвычайно долго.
Нынешняя разработка представляет собой гибридный алгоритм, объединяющий два подхода. Прежде всего, нейросеть стала самонастраивающейся. А применяемый математический метод помогает в кратчайшие сроки находить наиболее точное решение.
Обучение без ограничения
Для обучения ИИ-модели были использованы данные более чем 10 тысяч замеров из трёх скважин Джунгарского бассейна, расположенных на Северо-Западе Китая. Данная местность характерна сложными разломами и неравномерным сжатием пород. Схожих территорий в России много: Сибирь, Урал, Кавказ, шельф Сахалина.
Традиционные методы расчёта в таких условиях часто дают сбой. Разработанная модель самостоятельно определяет, какие из девяти параметров влияют на горизонтальное давление, а какие мешают прогнозу. Важно, что время расчёта сократилось на 87% по сравнению с аналогами. Разработка использует стандартные данные геофизических исследований скважин, что повышает шансы на внедрение: не нужно создавать принципиально новую измерительную инфраструктуру. Достаточно встроить алгоритм в уже существующий поток данных ГИС и бурового инжиниринга. Важно, чтобы заявленная точность сохранилась при переносе модели на другие месторождения, типы пород и режимы бурения. Если разработчики подтвердят результат в российских условиях, технология может стать востребованной частью отечественного нефтегазового ПО.
Тема десятилетия
В международной научной повестке тема машинного обучения для оценки напряжений в скважинах развивается не первый год. В России уже идет движение в этом направлении: «Газпром нефть», Университет Иннополис и Nedra Digital в 2025 году объявили о разработке цифровой системы для геомеханического моделирования месторождений нефти и газа на базе ИИ. Платформа помогает исследовать недра, оценивать запасы, продуктивность залежей и выбирать методы разработки.
На этом фоне модель Пермского политеха может быть востребована именно как специализированный модуль – например, для оценки напряженного состояния пласта и проектирования безопасного бурения.
Также в 2022 году «Мессояханефтегаз» внедрил программный комплекс с элементами ИИ в бурение скважин. Система в режиме автопилота контролирует технологический процесс с учетом особенностей пласта и заданных параметров. Таким образом, в российской нефтегазовой отрасли начался переход от аналитических моделей к системам, влияющим на реальные операции бурения.
Разработка Пермского политеха усиливает тренд перехода от ручных инженерных расчетов к ИИ-системам, способным быстрее оценивать подземные условия и снижать риск ошибок при бурении.
