Поиск пропущенных залежей

На поздней стадии разработки даже крупные и хорошо разбуренные месторождения сохраняют невыявленный потенциал. В данном проекте для одного из многопластовых юрских объектов Западного Казахстана была решена задача поиска пропущенных перспективных зон за счет интеграции классического геолого-геофизического анализа и методов машинного обучения. Исследование опиралось на очень плотный фонд данных — более 5000 скважин, керн, ГИС и 3D-сейсмические данные.

Ключевой технологией этой работы стала классификация данных ГК и ПС с помощью трехмерных нейронных сетей Кохонена. В отличие от обычной дискретной классификации, такой подход позволяет не только разделять данные на классы, но и сохраняет степень близости между ними. Это особенно важно в задачах фациального анализа, где переходы между литотипами и обстановками осадконакопления часто носят плавный характер.

Для отображения результатов классификации была применена RGB-визуализация, в которой три индекса пространства Кохонена кодируются через смешение красного, зеленого и синего каналов. Такой подход делает многомерные связи между объектами наглядными: близкие по свойствам классы отображаются близкими оттенками, а контрастные фациальные различия сразу выделяются цветом. В результате классификация перестает быть просто формальным машинным обучением и превращается в удобный инструмент геологической интерпретации и картирования фациальных переходов.

Результаты классификации были объединены с атрибутами сейсмических данных, а также кубами пористости. Совместный анализ этих данных позволил выделить контуры песчаных тел, отследить последовательность их формирования и уточнить седиментационную модель целевого интервала.