На одном из месторождений Красноленинского свода была выполнена апробация иерархических нейронных сетей для прогноза нефтенасыщения коллекторов викуловской свиты. Глубины залегания пород составляют 1400–1600 м. В составе викуловской свиты выделяются пласты ВК1, ВК2-3, имеющие микрослоистое линзовидное строение. В отдельных частях месторождения свита осложнена отложениями врезанной речной долины. Покрышкой служат вышезалегающие глинистые породы ханты-мансийской свиты, являющиеся региональным флюидоупором.
Обучающая выборка для алгоритма иерархических нейронных сетей включала целевые кривые нефтенасыщения, полученные в 30 скважинах (7 скважин использовались в качестве «контрольных»), а также наборы частичнократных сумм со значениями средних углов 5°, 15°, 25°, 35° и 45°, а также AVO атрибуты. Для обучения иерархических нейронных сетей использовался алгоритм классификации Kohonen 1D с 30 «ближайшими соседями». Количество скрытых слоев: 5 с 15 нейронами на каждом скрытом слое.
Иерархические нейронные сети показали геологически согласованный результат и высокое качество прогноза; по контрольным скважинам коэффициент корреляции для нефтенасыщения составил 0.71.
Практический вывод
Иерархические нейронные сети могут выступать как быстрый и эффективный инструмент количественной интерпретации сейсмических данных, сокращая число вычислительных этапов, ускоряя получение результата и снижая риск накопления ошибок в сравнении с классическими многоэтапными подходами.
Разрез по кубу нефтенасыщения через контрольные скважины
Сопоставление распределения нефтенасыщения по разрезу с контрольными скважинами позволяет оценить согласованность прогноза по площади и по вертикали.
Структурная карта и карта средних значений нефтенасыщения
Слева показана структурная карта, справа — карта средних значений нефтенасыщения. Совместный анализ помогает интерпретировать пространственные закономерности прогноза и выделять перспективные зоны.