Геофизики СПбГУ обучили нейросеть обрабатывать сейсмические данные для освоения нефтегазовых месторождений шельфа

https://spbu.ru/news-events/novosti/geofiziki-spbgu-obuchili-neyroset-obrabatyvat-seysmicheskie-dannye-dlya
Ученые СПбГУ и Московского государственного университета имени М. В. Ломоносова создали нейросетевой алгоритм, упрощающий обработку поверхностных сейсмических волн, необходимых для освоения нефтегазовых месторождений шельфа.
Россия обладает значительными запасами углеводородов, расположенными на шельфе, которые играют ключевую роль в нефтегазовом секторе страны. По данным Минприроды РФ, около 70 % разведанных запасов углеводородов России сосредоточено именно в арктических и дальневосточных морях, при этом в промышленной разработке находится лишь около 5 % имеющихся запасов — это связано со сложными условиями добычи нефти и газа на шельфе.
Морские сейсмические работы представляют собой важнейший этап геолого‑геофизических исследований при освоении шельфовых месторождений. Так, с помощью сейсмических кос — специальных мобильных систем сейсморазведки — регистрируются волновые поля, отраженные от различных геологических границ. При строительстве донной инфраструктуры и установке буровых платформ особое внимание уделяется исследованию верхней части геологического разреза (до 100–150 метров ниже поверхности дна), где могут находиться осложняющие строительство объекты: палеорусла, зоны разуплотнения и другие, наличие которых представляет потенциальную опасность, их нужно выявлять и учитывать при освоении месторождений.
В Санкт‑Петербургском государственном университете ведутся активные работы по разработке и внедрению технологий искусственного интеллекта. Так, недавно ученые Санкт Петербургского государственного университета разработали поляритонные нейроны для ультрабыстрых нейроморфных систем, способных распознавать рукописные цифры и голосовые команды эффективнее аналогов. Другие специалисты СПбГУ совместно с Санкт Петербургским федеральным исследовательским центром РАН (СПб ФИЦ РАН) разработали алгоритм, который автоматически определяет уровень утомления человека по траектории взгляда.
Одним из эффективных методов изучения верхней части разреза является анализ поверхностных сейсмических волн. При этом до появления современных нейросетевых технологий обработка поверхностных волн требовала значительных временных затрат: специалистам приходилось анализировать каждую сейсмограмму, выделять дисперсионные кривые (зависимость скорости распространения сейсмической волны от ее частоты) и проводить инверсию для построения скоростных моделей. Из‑за огромных объемов информации (сотни тысяч сейсмограмм при 3D‑съемках) приходилось использовать разреженную сеть наблюдений, чтобы успеть сдать проект в приемлемые сроки, что снижало точность получаемых результатов. Особые трудности возникали при интерпретации геологических объектов сложной формы, а также малых размеров, когда требовалась особенно высокая разрешающая способность.
Ученые Санкт‑Петербургского государственного университета и Московского государственного университета имени М. В. Ломоносова предложили новый подход к обработке поверхностных сейсмических волн с использованием нейронных сетей.
Руководитель проекта, директор Передовой инженерной школы СПбГУ «Междисциплинарные исследования, технологии и бизнес‑процессы для минерально‑сырьевого комплекса России», доцент кафедры геофизики Вячеслав Половков:
«Такая разработка позволяет значительно повысить детализацию изучения верхней части геологического разреза и точнее выявлять опасные процессы, такие как палеоврезы и зоны грубообломочных отложений. Используемая нейросеть корректно восстанавливает скоростные аномалии, причем эти данные легко подтверждаются независимыми сейсмическими наблюдениями».
Традиционно для анализа поверхностных волн применяется технология MASW (Multichannel Analysis of Surface Waves), но из‑за большого объема данных обработка занимает много времени, часто используется лишь 8–10 % полученной информации. Ученые СПбГУ обучили нейросеть EfficientNetb4 обрабатывать сведения на таком ограниченном наборе данных, а затем применили нейросетевую модель ко всему имеющемуся массиву. Это позволило получить высокодетализированные 3D‑модели распределения скоростей поперечных волн суммарной площадью более 2000 км2.
Новый подход не только ускоряет обработку и повышает точность, но также позволяет более безопасно осваивать шельфовые месторождения, поскольку дает возможность учитывать геологические риски при строительстве и бурении. В дальнейшем метод планируется усовершенствовать за счет обучения на синтетических данных, что сделает его еще более надежным инструментом для морской геофизики.
Санкт‑Петербургский государственный университет — старейший университет России — был основан 28 января (8 февраля) 1724 года, когда Петр I издал указ об учреждении Университета и Российской академии наук. Сегодня СПбГУ — один из крупнейших научно‑образовательных центров. Здесь учатся более 20 тысяч студентов, созданы более 15 крупных лабораторий и 23 ресурсных центра, входящих в ведущий Научный парк страны. Выпускники Университета неоднократно становились лауреатами Нобелевской и Филдсовской премий.
С недавних пор Северная столица официально отмечает новый праздник — День Санкт‑Петербургского государственного университета, внесенный в закон Санкт-Петербурга «О праздниках и памятных датах в Санкт‑Петербурге».