Практика реализации алгоритмов машинного обучения для прогноза эффективных толщин при планировании геолого-разведочных работ

Аннотация: Традиционной методикой определения потенциальных эффективных толщин в рамках оценки ресурсной базы поисковых объектов является построение простейшей линейной регрессии от общих толщин или, в ещё более общем случае, расчёт через коэффициент песчанистости, определённый как среднее по скважинам месторождений-аналогов. Стоимость геолого-разведочных работ (ГРР) на месторождениях, расположенных в акватории, является крайне высокой, это обуславливает необходимость детальной проработки всевозможных геологических концепций и методик расчёта подсчётных параметров. В данной работе рассматривается практика применения алгоритмов машинного обучения для прогнозирования эффективных толщин потенциальных продуктивных горизонтов неопоискованной структуры Y, локализованной в аквартории. Регрессионные зависимости определяются на сейсмических и скважинных данных месторождения X, считающимся, согласно геологическим изысканиям, прямым аналогом. Предполагается, что идентичные условия формирования залежей углеводородов, приводят к эквивалентным или близким зависимостям, описывающим залежь. Это позволяет сформулировать гипотезу, что прогнозные карты эффективных толщин с учётом точности построения по метрикам позволяют описать изменчивость коллектора, тем самым повысив уверенность в планировании программы ГРР.