Разработан подход для автоматизации анализа горных пород
Ученые Научного центра мирового уровня «Рациональное освоение запасов жидких углеводородов планеты» создали технологию автоматизированного описания керна — столбика пород, получаемого при бурении скважин.
Традиционные методы ручного описания керна — трудоемкие и не всегда позволяют выявлять важные детали внутреннего строения образцов — трещиноватость, наличие пустот или включений отдельных минералов, — которые могут играть ключевую роль в характеристике породы как коллектора нефти.
Методика, предложенная казанскими учеными, объединяет методы рентгеновской компьютерной микротомографии и машинного обучения. Основой для разработки стала база данных, включающая более 65 тысяч микротомографических изображений стандартных образцов различных типов пород — песчаников, алевролитов, известняков и нефтеносных сланцев, собранная в Институте геологии и нефтегазовых технологий Казанского федерального университета.
«Эти изображения представляют собой детальные 2D-срезы кернов, полученные с помощью высокоточной микротомографии. Используя этот набор данных, применялись нейронные сети, которые уже обучены распознавать изображения других объектов, например людей или животных. Эти сети были доработаны для решения задачи анализа изображений пород. Такой подход называется трансферным обучением», — рассказал ведущий автор исследования, старший научный сотрудник НИЛ методов увеличения нефтеотдачи Раиль Кадыров.
Благодаря внедрению искусственного интеллекта система с высокой точностью (более 94%) распознает ключевые особенности пород, определяя даже такие специфические параметры, как размерность зерен обломочных пород или присутствие зон, обогащенных органическими веществами, что особенно важно для оценки углеводородного потенциала породы. И все это в полностью автоматическом режиме, без участия человека.
Новый метод апробирован на реальном примере кернов карбонатных пород одного из нефтяных месторождений. Система смогла быстро и точно выделить зоны с различными свойствами, которые позже подтвердились при традиционном анализе с помощью рентгеновской дифракции и петрографических срезов.
Работа выполнена при поддержке Минобрнауки России в рамках программы развития НЦМУ «Рациональное освоение запасов жидких углеводородов планеты».