Нейросетевое моделирование полей проницаемости, обусловленных на данные ГДИС и априорные геологические знания, с оценкой неопределенности

Д.И. Ахметов (1), Г.М. Шутов* (1), Е.В. Бурнаев (1, 2), В.В. Вановский (1) (1 - Сколковский институт науки и технологий, 2 - Институт искусственного интеллекта AIRI)

Аннотация: Построение гидродинамически согласованных геологических моделей остаётся сложной задачей из-за разреженности скважинных данных и неопределённости межскважинного пространства. Стандартные методы интерполяции (кригинг, метод обратных расстояний) не учитывают сложную область исследования при интерпретации данных гидродинамических исследований скважин (ГДИС). Прямое численное моделирование ГДИС для каждой реализации поля проницаемости в процессе оптимизации требует больших вычислительных затрат и не позволяет использовать автоматическое дифференцирование. В данной работе предлагается методология построения ансамбля карт проницаемости, согласованных с результатами интерпретации ГДИС и априорным знанием о фациальной обстановке. Сочетание свёрточной нейронной сети (CNN), оценивающей проницаемость по ГДИС, и генеративно-состязательной сети (WGAN-GP), генерирующей реалистичные поля, позволяет решать обратную задачу градиентными методами. На основании полученного ансамбля карт проницаемости была проведена количественная оценка неопределённости.


Доступно только для зарегистрированных пользователей

Доступно только для зарегистрированных пользователей