Геофизики разработали ИИ для анализа данных шельфа
Геофизики Санкт-Петербургского государственного университета (СПбГУ) и Московского государственного университета (МГУ) разработали нейросетевой алгоритм для ускоренной обработки поверхностных сейсмических волн. Эта инновационная система применяется при освоении нефтегазовых месторождений шельфа.
Почти 70 процентов разведанных запасов углеводородов России сосредоточены в арктических и дальневосточных морях. Однако в промышленной разработке находится лишь около пяти процентов из них, что обусловлено сложными условиями добычи. Сейсмические исследования критически важны для выявления потенциально опасных объектов в верхней части геологического разреза, таких как палеорусла и зоны разуплотнения. Эти данные необходимо принимать во внимание при строительстве буровых платформ и донной инфраструктуры.
Разработка существенно повышает детализацию изучения верхней части геологического разреза и позволяет более точно обнаруживать опасные процессы, включая палеоврезы и зоны грубообломочных отложений. Использованная нейросеть корректно восстанавливает скоростные аномалии, и эти данные легко подтверждаются независимыми сейсмическими наблюдениями, — сообщила Вячеслава Половкова, руководитель проекта и доцент кафедры геофизики СПбГУ.
По данным пресс-службы СПбГУ, в основе нового подхода лежит технология MASW (Multichannel Analysis of Surface Waves). Ранее она требовала больших временных ресурсов и обрабатывала только 8-10 процентов полученных данных. Специалисты СПбГУ обучили нейросеть EfficientNetb4 на небольшом объеме информации, а затем применили модель ко всему массиву. Это дало возможность создать высокодетализированные трехмерные модели распределения скоростей поперечных волн на площади более двух тысяч квадратных километров.
Представленный алгоритм оптимизирует обработку сейсмических данных, повышает достоверность исследований и позволяет эффективнее учитывать геологические риски при разработке шельфовых месторождений. В перспективе метод будет доработан за счет обучения на синтетических данных.