Сотрудники Института нефтегазовой геологии и геофизики им. А.А. Трофимука СО РАН разработали алгоритм выделения рассеянных волн в области данных с использованием машинного обучения и синтетической обучающей выборки, максимально близкой к реальным данным. Результаты опубликованы в журнале «Геофизика» (№ 2, 2026).
Поиск и разработка карбонатных коллекторов, характеризующихся развитой трещиноватостью, является одной из наиболее актуальных задач нефтегазовой геофизики. По разным оценкам, именно в трещиноватых карбонатных резервуарах сосредоточено от 35 до 48 % мировых запасов нефти и от 23 до 28 % запасов природного газа.
Обрабатывая сейсмические данные, специалисты могут более точно определить расположение разломов, трещин и каверн, где находятся углеводороды. Важнейшую информацию о таких объектах содержит рассеянная составляющая сейсмического волнового поля. Рассеянные волны используются для построения дифракционных сейсмических изображений и дальнейшей геологической интерпретации.
Алгоритм, разработанный сотрудниками ИНГГ СО РАН, был успешно протестирован в ходе численных экспериментов — как с использованием синтетических данных, полученных для реалистичной модели с трещинами для месторождения в Восточной Сибири, так и на реальных данных.
Исследование показало чёткую зависимость качества работы алгоритма от объёма и разнообразия обучающей выборки
«Для работы с реальными данными наибольшую практическую ценность представляет модель, тренировочный цикл которой включает данные с аддитивным шумом различной природы и интенсивности, — отметил заведующий лабораторией методов интерпретационной обработки сейсмических данных ИНГГ СО РАН доктор физико-математических наук Максим Протасов. — Именно эта модель, адаптированная к условиям, имитирующим реальные помехи, демонстрирует наилучшие результаты при прямой обработке реальных сейсмических материалов».
В дальнейшем протестированный алгоритм планируется применять при решении реальных задач по поиску углеводородов.
Работа выполнена при поддержке Российского научного фонда (грант № 21-71-20002-П). Результаты были получены с использованием вычислительных ресурсов суперкомпьютерного центра Санкт-Петербургского политехнического университета Петра Великого.
Источник: ИНГГ СО РАН.