Нейросети подсказали, где искать нефть

Генетические алгоритмы и нейронные сети с очень высокой точностью подсказали, на какой глубине искать нефть.

Учёные из филиала "ЛУКОЙЛ-Инжиниринг" "ВолгоградНИПИморнефть" в г. Волгограде применили нейронные сети, использующие генетические алгоритмы для уточнения модели нефтяного месторождения. С её помощью геологи предсказали, где и на какой глубине искать нефть. В дальнейшем полученное предсказание было полностью подтверждено посредством разведывательной скважины 3-Сарматской. Об этом сообщается в пресс-релизе и двух научных статьях, поступивших в редакцию.

Для поиска оптимальных мест для бурения геологи использовали генетический алгоритм, работающий на основе нейронной сети. Он интерпретировал материалы сейсморазведки двух крупных нефтяных месторождений. Модель обсчитала данные бурения четырёх разведывательных скважин и построила объединённую трёхмерную геологическую модель месторождений имени Ю. Кувыкина и смежного с ним Западно-Сарматского. Оба они находятся в Северном Каспии.

Затем модель сделала прогноз того, где, вероятнее всего, залегают наиболее богатые нефтью коллекторы месторождения. Для проверки пробурили разведочную скважину 3-Сарматскую на месторождении имени Ю. Кувыкина, по запасам относимого к категории крупных. Глубина, на которой скважина пересекла продуктивный слой, составила 3130,3 метра. Модель же предсказывала глубину 3130 метров. Это практически беспрецедентный уровень точности прогноза.

Генетическим называют такой алгоритм, который упрощённо копирует биологические эволюционные процессы. Он стартует с создания новой популяции "генотипов" (возможных решений). Решения проходят отбор на соответствия функции, описывающей модель. Потом они комбинируются (как генотипы родителей при половом размножении). Их "потомок" сочетает черты обоих "родителей". Вначале "размножаются" как те решения, что прошли отбор (соответствуют функции), так и те, что не прошли, чего, конечно, в живой природе не бывает (умершие носители генов не размножаются).

Периодически в "генотипы" вносят случайные ошибки (мутации), причём "мутанты" также размножаются. На определённом этапе рекомбинаций и мутаций включается отбор: произвольно заданный процент выживших решений-генотипов из одного поколения допускается к новым операциям рекомбинации ("размножения"), а остальные выбраковываются. В итоге остаются только те решения, что лучше всего соответствуют функции, на которой основана модель ("естественный отбор").

Нейросеть — это математическая модель, построенная по принципу биологических нейронных сетей. Вместо сетей нервных клеток организма в ней применяется система соединённых и взаимодействующих простых "процессоров" (искусственных нейронов), соединённых друг с другом не последовательно, а по сетевому принципу.

Каждый "нейрон" в ней взаимодействует сразу с набором из нескольких других "нейронов". В многослойных нейронных сетях, подобных использованной в работе, данные из одного слоя попадают в соседние не напрямую, а только после обработки в рамках предыдущего слоя и отбора тех решений, которые этот слой выбрал из множества введённых в него данных.