Иван Жданов представил разработки в области ИИ для геологоразведки на конференции «Время цифровых решений»
10 декабря в Санкт-Петербурге в рамках ежегодной конференции Ассоциации «Время цифровых решений» выступил Иван Жданов, руководитель проекта «Автоматизация обработки сейсмических данных с применением ИНС» Научно-образовательного центра «Газпромнефть-Политех». В рамках «Приоритет 2030» он представил промежуточные результаты двух направлений работ, нацеленных на применение искусственного интеллекта для оптимизации сложных и дорогостоящих процессов геологоразведки.
Направление 1: Прогнозирование данных ГИС в межскважинном пространстве
Цель проекта - создание алгоритма для прогнозирования данных геофизических исследований скважин (ГИС) в пространстве между точками бурения на основе информации с соседних скважин.
В 2025 году команде удалось реализовать и протестировать прототип на синтетических данных. Работа велась в два этапа:
- Обучение на полном наборе данных с последующей проверкой точности интерполяции внутри известных скважин. Результаты подтвердили, что модель успешно восстанавливает исходные значения.
- Прогноз для «незнакомой» скважины, исключенной из обучающей выборки. Тестирование проводилось в двух режимах: с предсказанием глубины сигнала и без. Наиболее успешные результаты получены во втором режиме, что доказало работоспособность подхода.
Перспективы проекта: интеграция с данными сейсморазведки и рельефа, совместный анализ разных типов каротажа для повышения общей точности разведки. Алгоритм уже прошел первичные испытания на данных индустриального партнера.
Направление 2: Автоматизация обработки сейсмических данных
Эта область характеризуется сложными, многоступенчатыми процессами. В рамках проекта выделено два ключевых блока:
- Автоматическая интерполяция данных. Протестирован ряд архитектур нейросетей. Наилучшие результаты показали методы на основе Physics-Informed Neural Networks (PINN) и Трансформеров (в частности, SWIN-Transformer). Их качество интерполяции оказалось сопоставимым с традиционными методами при значительном сокращении времени обработки.
- Подавление случайного шума. Испытаны различные подходы - от простых до сложных сверточных нейронных сетей. Оба типа архитектур доказали свою эффективность в решении задачи. Командой сформулированы сильные и слабые стороны каждого подхода для дальнейшего развития.
Следующие шаги: В области интерполяции планируется протестировать гибридную архитектуру, объединяющую преимущества Трансформеров и PINN, а также начать работу с реальными полевыми данными.
Итоги и планы
«В 2025 году мы успешно реализовали прототипы и подтвердили концепции, протестировав их на синтетических данных, - подвел итог Иван Жданов. - Наша дорожная карта предполагает разработку Minimum Viable Product (MVP) и его апробацию на реальных данных в 2026 году. В 2027 году мы планируем создать комплексное решение, готовое к внедрению в процессы индустриального партнера».
