Используйте все преимущества алгоритмов нейронных сетей глубокого обучения даже в условиях недостатка реальных данных при помощи синтетического каталога скважин.

Преимуществом использования нейронных сетей является возможность прогнозировать непосредственно петрофизические параметры коллекторов вместо упругих. Это упрощает взаимодействие между геофизиками, геологами и резервуарными инженерами.

Главной преградой использования глубоких нейронных сетей является нехватка скважинных данных. Модуль HampsonRussell WellGen решает проблему недостаточной выборки с помощью полуавтоматического создания набора синтетических скважинных и сейсмических данных.

Наши коллеги из CGG в своей статье, опубликованной в журнале «The Leading Edge», на примере геотермального карбонатного резервуара показывают эффективность использования синтетического каталога данных, в качестве обучающей выборки для DFNN, при прогнозе пористости и проницаемости.

Статья на английском языке доступна по ссылке.

The Leading Edge OCT 21