Новые подходы в анализе геолого-геофизической информации на основе методов машинного обучения

Рассмотрены примеры применения современных подходов на базе алгоритмов машинного обучения для анализа геолого-геофизической информации. Применительно к задаче анализа качества данных свойств пластовых флюидов (PVT-свойств) предложен статистический подход, основанный на смеси многомерных распределений Стьюдента. Реализованный подход позволяет выявлять потенциально аномальную пробу (свойства пробы сильно отличают его от существующих аналогов), после чего предлагает значение по выборке существующих аналогов. В задаче интерпретации данных скважинных каротажей предложен подход для верификации геофизического исследования скважин с применением независимой экспертной системы, обученной на результатах ранее интерпретированных скважинных исследований. В частности, при неоднозначности определения коллектора в заданном геологическом разрезе по данным ГИС предлагается использовать такую независимую экспертную систему. Другим примером принципиально нового подхода к автоматической обработке геолого-геофизической информации является обработка цифровых снимков изображений шлифов терригенных пород с целью автоматической сегментации структурных объектов с применением гибридного подхода, объединяющего спектральные методы обработки изображений и сверточные нейронные сети. Такой подход позволяет оперативно (обработка одного изображения занимает от 1 с до 60 с расчетного времени) получать, в частности, морфологические данные обломочных зерен терригенных пород, что позволяет освободить экспертов от рутинной работы, сфокусировать внимание на решении более нетривиальных задач, требующих уникальных экспертных знаний.