俄罗斯研发出用于分析复杂含油岩层的人工智能算法

扫一扫

俄罗斯研究人员开发出一种新方法，可利用机器学习系统确定结构复杂且罕见的含油岩层的矿物成分，例如西西伯利亚的巴热诺夫岩层。据斯科尔科沃科技研究院新闻处消息，该技术能够以相对较低的成本获取全井段矿物学精准数据。

"我们开发的综合方法可用于钻井过程中的数据快速解释、复杂含油岩层中远景层段的识别以及提高采收率方法的优化。最终有助于降低油气田勘探开发的经济成本，"斯科尔科沃科技研究院教授德米特里·科罗捷耶夫表示，新闻处援引了他的发言。

科罗捷耶夫教授及其同事指出，俄罗斯乃至全球相当一部分石油储量蕴藏于页岩及其他结构复杂岩层中，这些岩层成分不均一，需要特殊研究方法。这种非均质性迫使地质学家在井上进行大量点测和昂贵的实验室岩样分析，从而延缓并加大了此类油气藏的开发难度。

俄罗斯科学家提出，如果利用机器学习系统分析整合含油岩层矿物学特性数据，并基于数千次前期类似测量结果进行训练，则可以大幅减少此类测量次数。基于这一思路，研究人员构建了由多个机器学习算法组成的链条，在工作过程中考虑待测矿物之间的相互关联。

"我们的模型基于标准测井数据（辅以热学测量）进行训练，结果表明，即使不进行昂贵的专项研究，也能高精度重建全井段矿物学剖面。我们定量证明了热学数据的价值：加入这些数据后，矿物体积分数预测误差显著降低，"斯科尔科沃科技研究院研究生巴特尔汗·盖尼特季诺夫表示，新闻处援引了他的发言。

研究人员指出，该系统的初步验证显示，其在评估关键矿物质量分数和体积分数以及计算岩层导热系数方面的精度，与昂贵的井上测量相当。科学家总结称，未来这将有助于以更少的时间、人力和资金投入来评估油气勘探开采的成效。

来源: 《塔斯社》             

| www.tsrus.cn/685465|

《透视俄罗斯》