Модель машинного обучения для автоматизации определения литологического состава образцов бурового шлама

Автоматизация определения литологического состава пород в процессе бурения представляет собой актуальную задачу в разработке нефтяных месторождений. Во время бурения ствола скважины вращающееся долото разбивает горные породы в скважине, а буровой раствор вымывает обломки на поверхность. Остатки породы после фильтрации бурового раствора называются буровым шламом. Буровой шлам дает полезную информацию о геологии ствола скважины, скорости бурения и содержании нефти и газа в породах. Шлам отмывается от бурового раствора, и с помощью различных методик определяются различные свойства горных пород. На данном этапе большое значение имеет автоматизация процесса анализа шлама, так как это позволяет оперативно оценивать процесс бурения и прогнозировать возможные внештатные ситуации. В этой работе мы предлагаем метод, позволяющий оценить литологический состав шлама по цифровым фотографиям шлама. Данные для разработки такого метода представляют собой изображения шлама с хорошим разрешением, с известной глубиной, а также исторические литологические данные для уже пробуренных и изученных скважины. В процессе разработки метода была обучена сверточная модель глубинного обучения, которая по изображению выдает вероятности принадлежности образца к определенному классу пород. Для обучения были выбраны скважины с известными данными литологического состава, необходимые для тестирования и валидации модели. В дальнейшем предполагается, что по изображению отмытых образцов шлама созданная модель машинного обучения сможет предсказать литологический состав образца с определенной вероятностью.