Метод регионального прогноза нефтегазоносности территорий алгоритмами машинного обучения на примере тюменской свиты Западной Сибири

Актуальность исследования обусловлена сокращением фонда структурных ловушек и необходимостью расширения ресурсной базы углеводородов за счет повышения эффективности поиска и разведки месторождений в сложнопостроенных залежах нефти и газа.

Цель: на примере прогноза нефтегазоносности территории исследования показать методику прогноза и набор применяемых технологических решений и алгоритмов.

Объект: отложения средней юры (тюменская свита) Западной Сибири в пределах района (700×900 км), включающего в себя части Ямало-Ненецкого и Ханты-Мансийского административных округов и Томской области.

Методы. С помощью алгоритмов машинного обучения и комплексирования технологического набора методов (геоинформатики, бассейнового моделирования, экспертных оценок) показаны следующие этапы реализации методики прогноза: 1) генерирование признакового пространства изучаемой территории на основе повышения пространственного разрешения структурных построений с применением алгоритмов генеративно-состязательной архитектуры нейронных сетей, где в качестве эталонных участков использованы результаты сейсморазведки 3 D ; 2) отбор признаков статистическим методом и методами машинного обучения; 3) создание подмножества моделей прогноза на основе градиентного бустинга над решающими деревьями; 4) объединение их в метамодель путем стекового обобщения логистической регрессией.

Результаты. Формализован и апробирован подход к региональному прогнозу. Сделан прогноз вероятности нефтегазоносности тюменской свиты на изучаемой территории. На его основе и информации по открытым месторождениям оценена методом Монте-Карло ресурсная база УВ. Результаты представлены в виде суммарной таблицы геологических и извлекаемых ресурсов для вероятностей Р10, Р50, Р90 в сравнении с категориями запасов АВС1 и АВС1+С2 месторождений, числящихся на государственном балансе на территории исследования. В качестве примера приведены графические материалы результатов: работы алгоритма повышения пространственного разрешения; моделирования осадконакопления; моделирования миграции УВ; карта прогноза перспектив нефтегазоносности для северной части Надымского и Пуровского нефтегазовых районов.

The relevance of research is caused by the reduction in the fund of structural traps and the need to expand the resource base of hydrocarbons by increasing the efficiency of prospecting and exploration of fields in complex oil and gas deposits.

The main aim of the research is to show the forecasting methodology and the set of applied technological solutions and algorithms using the example of forecasting the oil and gas content of the study area.

Object: Middle Jurassic deposits (Tyumen Formation) of Western Siberia within the region (700×900 km), which includes parts of the Yamalo-Nenets and Khanty-Mansiysk administrative districts and the Tomsk region.

Methods. Using the machine-learning algorithms and integrating a technological set of methods: geoinformatics, basin modeling, and expert assessments the following stages of the forecast method implementation are shown: 1) generation of the feature space of the studied area based on increasing the spatial resolution of structural constructions using algorithms of generative-adversarial architecture of neural networks, where the results of 3D seismic survey are used as reference areas; 2) selection of features by statistical method and machine learning methods; 3) creation of a subset of forecast models based on gradient boosting over decision trees; 4) combining them into a metamodel by stacking generalization by logistic regression.

Results. An approach to regional forecasting has been formalized and tested. A forecast of the probability of oil and gas content of the Tyumen suite in the study area was made. On its basis and information on discovered fields, the hydrocarbon resource base was estimated by the Monte Carlo method. The results are presented in the form of a summary table of geological and recoverable resources for probabilities P10, P50, P90 in comparison with the categories of reserves ABC1 and ABC1+C2 of the fields listed on the state balance sheet in the study area. As an example, the graphic materials of the results are given: the work of the algorithm for increasing the spatial resolution; sedimentation modeling; modeling of hydrocarbon migration; hydrocarbon potential forecast map for the northern part of the Nadym and Purovsky oil and gas regions.