Машинное обучение для восстановления модели плотности распределения трещин по дифракционным сейсмическим изображениям

Аннотация: Трещины могут существенно влиять на фильтрационные процессы в коллекторах. Поэтому анализ их пространственной структуры и ее моделирование имеет большое значение при планировании разработки и эксплуатации нефтегазовых залежей. Для их описания обычно используется статистический подход. В данной работе мы исследовали возможности реконструкции модели плотности распределения трещин по дифракционным сейсмическим изображениям с использованием концепции дискретной сети трещин, которая требует явного задания пространственного положения, размера и ориентации каждой трещины Мы также предлагаем использовать методы машинного обучения для восстановления модели плотности распределения трещин. Разработанный алгоритм содержит две ключевые составляющие: трёхмерное свёрточное моделирование в глубинной области для создания обучающего набора данных и нейронную сеть U-Net для реконструкции модели трещин. Предварительные численные эксперименты проведены для реалистичной синтетической модели, построенной по реальным данным из Карского моря. Основные результаты, представленные в работе, получены путём применения нейронных сетей, обученных на синтетических изображениях и моделях, к дифракционным изображениям, построенным по реальным данным из Карского моря.