Генеративный ИИ для обработки геофизических данных

Проект нацелен на построение геологической модели месторождения с использованием мультимодальных моделей генеративного ИИ, объединяющих данные сейсморазведки и скважинной геофизики. Команда построила и протестировала несколько специализированных нейросетевых архитектур.

Модель GNN-Transformer-Petro предсказывает геофизические атрибуты в межскважинном пространстве на основе архитектуры Трансформер с графовым механизмом внимания.

Gen-Petro-Corrector преобразует петрофизические атрибуты одной модальности в другие, в том числе восстанавливает акустический каротаж. Для обработки данных сейсморазведки созданы три модели: Seismic-Transformer-Denoiser фильтрует случайный шум на сейсмограммах с адаптивным контекстным окном, Seismic-Transformer-Interpolator генерирует дополнительные синтетические сейсмотрассы, Seismic-Transformer-Upscaler повышает разрешающую способность сейсмического куба.

 Модуль Joint-FWI реализует совместную акустическую полноволновую инверсию данных сейсморазведки и акустического каротажа с дообучением основной модели Трансформера.

В основе моделей лежат архитектуры на базе трансформеров, графовые механизмы внимания, физически-информированные нейронные сети (PINN) и методы учёта физических ограничений при обучении. Для захвата объектов разных масштабов используется модуль Atrous Spatial Pyramid Pooling (ASPP) с параллельными свёртками и различными коэффициентами расширения.

Модели протестированы на синтетических и реальных данных, проведено сравнение с классическими алгоритмами обработки геофизической информации. Нейросетевые методы ускоряют обработку без потери качества. В задачах интерполяции сейсмограмм модели на основе PINN, SWIN-Трансформера и U-SWIN-Трансформера превосходят традиционные методы (POCS-FFT, сплайны). Модель GNN-Transformer-Petro показывает более высокую точность по сравнению с классической кригинг-интерполяцией при предсказании атрибутов в межскважинном пространстве.

Разработанные решения открывают возможность сократить сроки обработки геофизических данных и повысить точность геологического моделирования, что напрямую влияет на эффективность разведки и разработки месторождений. Внедрение таких систем позволит нефтегазовым компаниям снизить затраты на интерпретацию данных, уменьшить количество ошибок при построении моделей и ускорить принятие решений о бурении новых скважин.

Планируется расширить возможности моделей для фильтрации других типов шумов и продолжить интеграцию в единую систему для применения к другим типам геофизических данных и задачам разведки.

НОЦ «Газпромнефть-Политех» — научно-образовательный центр для исследований и разработки новых технологий в нефтегазовой отрасли на базе Санкт-Петербургского политехнического университета.