Ученые СПбГУ и МГУ создали нейросетевой алгоритм для упрощения обработки поверхностных сейсмических волн при освоении нефтегазовых месторождений шельфа. Результаты опубликованы в журнале «Геофизика», сообщили в СПбГУ.
Россия обладает значительными запасами углеводородов на шельфе, из которых в арктических и дальневосточных морях сосредоточено около 70%, но в разработке находится лишь 5% из-за сложных условий добычи. Морские сейсмические работы – ключевой этап геологоразведки, где используются сейсмические косы для регистрации волновых полей. При строительстве донной инфраструктуры важно исследовать верхнюю часть геологического разреза (до 100−150 метров), чтобы выявить и учесть опасные объекты, такие как палеорусла и зоны разуплотнения.
Анализ поверхностных сейсмических волн – эффективный метод изучения верхней части разреза. До появления нейросетей обработка волн была трудоемкой: специалисты анализировали сейсмограммы, выделяли дисперсионные кривые и строили скоростные модели. Из-за большого объема данных (сотни тысяч сейсмограмм в 3D-съемках) использовались разреженные сети наблюдений, что снижало точность. Трудности возникали при интерпретации сложных и малых геологических объектов, требующих высокой разрешающей способности.
Исследователи из Санкт-Петербургского государственного университета (СПбГУ) и Московского государственного университета имени М.В. Ломоносова разработали инновационный метод обработки поверхностных сейсмических волн, основанный на использовании нейронных сетей.
«Эта технология значительно улучшает детализацию анализа верхней части геологического разреза и позволяет более точно выявлять опасные геологические процессы, такие как палеоврезы и зоны грубообломочных отложений. Нейросеть успешно восстанавливает скоростные аномалии, и полученные данные легко подтверждаются независимыми сейсмическими наблюдениями», – сообщил Вячеслав Половков, руководитель проекта и доцент кафедры геофизики СПбГУ.
Традиционно для анализа поверхностных волн используется метод MASW (Multichannel Analysis of Surface Waves), однако из-за большого объема данных процесс обработки занимает много времени, и часто используется лишь небольшая часть полученной информации. Ученые из СПбГУ обучили нейронную сеть EfficientNetb4 работать с ограниченным набором данных и затем применили эту модель ко всему массиву информации. Это позволило создать высокодетализированные 3D-модели распределения скоростей поперечных волн, охватывающие площадь более двух тысяч квадратных метров.
Новый метод не только ускоряет обработку данных и повышает точность результатов, но и обеспечивает более безопасную эксплуатацию шельфовых месторождений благодаря учету геологических рисков при строительстве и бурении. В будущем планируется его усовершенствование путем обучения на синтетических данных, что сделает его еще более надежным инструментом в морской геофизике.
Источник: cnews.ru
распечатать статью
