Применение алгоритмов машинного обучения для восстановления структурного каркаса по данным потенциальных полей в зонах отсутствия данных сейсморазведки

Сегодня методы машинного обучения широко применяются в исследовательской области для решения ряда практических задач, где детерминистические модели процессов или явлений сложно, или нельзя сформировать. Примером такой задачи является восстановление структурных границ по данным НСМ. Восстановление структурных границ особенно актуально для межпрофильного пространства при наличии сейсмической съемки по профилям. Простое решение в виде интерполяции не дает нужной точности прогнозирования, и требуется создание сложной, часто нелинейной модели, что возможно с помощью методов машинного обучения (МО). В данной работе демонстрируется опыт применения алгоритмов машинного обучения для прогнозирования положения структурного горизонта (с применением ПО ТЕНЗОР), разработанного в ООО «Газпромнефть НТЦ», на примере одного из участков в Западной Сибири. Участок изучен неравномерно, имеются данные как 3D, так и 2D, часть территории не покрыто сейсмическими исследованиями. Кроме этого, на территорию исследования имеются данные потенциальных полей. Наиболее актуальной задачей для площади работ является построение структурного каркаса в местах отсутствия данных СРР, которое позволит выделить перспективные зоны для планирования дальнейших геологоразведочных работ