В Томском политехе создали автоматизированную систему подбора аналогов месторождений нефти и газа
Сотрудники Центра Хериот-Ватт Томского политехнического университета представили результат проекта «Аналоги» — программный продукт для геологов, способный подбирать аналоги месторождений нефти и газа. Заказчиком проекта выступил Научно-Технический Центр «Газпром нефти». По словам разработчиков, перед геологами часто встает задача собрать информацию о новом месторождении, исходя из данных об уже известных и изученных месторождениях-аналогах. Параметров подбора при этом существует очень много, что требует автоматизации процесса. В России до сих пор собственных таких автоматизированных систем не было — их разрабатывали только за рубежом. «Зарубежные системы дороги, а кроме того, они не обладают обширными данными о месторождениях России», — объясняет преимущества нового программного комплекса руководитель проекта, заведующий лабораторией нефти и газа ТПУ Станислав Сливкин.
На основе полученного от заказчика техзадания, включавшего в себя в том числе и список параметров, томские политехники сформировали базу данных о более чем ста месторождениях «Газпром нефти», разработали математическую модель и создали веб-интерфейс системы. Затем прототип был испытан экспертами-геологами, после чего уже готовый продукт был передан заказчику.
Созданная в Томске система учитывает порядка 250 параметров, среди которых тип углеводородов, система осадконакопления, литологический состав коллектора, значение пористости матрицы, глубина кровли коллектора, значение общей толщины коллектора и многие другие.
«Эта программа позволяет структурировать работу геолога. Когда ему необходимо собрать информацию, она может быть разбросана по огромному количеству баз и файлов. И прежде всего нужен был инструмент, как-то интегрирующий все данные в единую базу, с которой удобно будет работать, — рассказывает Станислав Сливкин. — Далее мы разработали интерфейс, чтобы пользователю было еще удобнее использовать данные. Он отрабатывает запросы различными интеллектуальными способами: ручная фильтрация, поиск с применением функции схожести и поиск с помощью алгоритма машинного обучения, а затем выдает результат».
