Учёные разработали алгоритм на основе ИИ для предсказания подземного давления
Недра нашей планеты представляют собой динамичную и сложную среду. В результате движения тектонических плит в горных породах образуется колоссальное горизонтальное давление, а это серьёзная проблема для специалистов, занимающихся бурением нефтяных и газовых скважин. Основная задача бурового раствора заключается в том, чтобы противодействовать давлению с высокой точностью.
На сегодняшний день существует два основных метода измерения напряжений. Первый — анализ образцов горных пород — трудоёмкий способ, который далеко не всегда даёт полную картину. Второй метод основан на использовании геофизических формул, однако он часто не учитывает влияние тектонических сил, что делает его менее надёжным.
На помощь приходят нейросети: в последние годы технологию начали использовать для ускорения расчётов. Впрочем, обычно их точность колеблется в пределах 65–85%, и они работают довольно медленно. Для решения данной проблемы группа учёных из Пермского Политеха (ПНИПУ) совместно с китайскими коллегами разработала гибридную модель, основанную на ИИ.
Разработчики отмечают, что она способна предсказывать горизонтальные напряжения с высокой точностью — порядка 99,5%. Модель использует стандартные данные геофизических исследований скважин, что делает её применение более доступным и эффективным.
Как поясняет Дмитрий Мартюшев, профессор кафедры «Нефтегазовые технологии» и доктор технических наук, разработка представляет собой гибридный алгоритм, который объединяет два подхода. Первый — это нейросеть с самонастраиваемой структурой, способная адаптироваться к изменяющимся условиям. Второй включает в себя специальный математический метод, который позволяет нейросети быстро находить наиболее точное решение.
Модель анализирует девять различных параметров, которые постоянно измеряются в процессе бурения. К ним относятся скорость звука в породе, плотность горной массы, электрическое сопротивление, естественная радиоактивность, пористость и прочие показатели. На основе этих данных алгоритм вычисляет минимальное и максимальное горизонтальное напряжение, что позволяет повысить точность расчётов.
Для обучения нейросети учёные использовали более 10 тысяч замеров, которые были сделаны в трёх скважинах Джунгарского бассейна, расположенного на северо-западе Китая. Месторождение отличается геологической сложностью, так как миллионы лет назад в этом районе сталкивались тектонические плиты, формировались горные образования и разломы, а породы подвергались сжимающему воздействию с различной силой на разных глубинах.
В России есть множество территорий со столь же непростыми геологическими условиями. К ним относятся Западная и Восточная Сибирь, шельф Сахалина, Урал и Кавказ.
