Директор по развитию цифровых проектов Александр Ученов выступил на экспертной сессии конференции «Искусственный интеллект в ТЭК: от разработок к эффективным решениям», организованной Евразийским союзом экспертов по недропользованию (ЕСОЭН). В рамках доклада «Развитие направления генеративного ИИ «ВЫГОН Консалтинг» для решения нефтегазовых задач» он рассказал о ключевых направлениях работы компании в области GenAI и представил линейку решений, ориентированных на геологоразведку и разработку месторождений.
Особое внимание в докладе было уделено архитектуре ИИ-ассистента нефтегазового инженера-геолога, способного решать широкий спектр отраслевых задач: от оценки шанса геологического успеха (gCoS) до прогноза запускного дебита скважины и генерации геологической отчетности.
ИИ-решение на базе генеративных моделей, разработанное «ВЫГОН Консалтинг», использует широкий набор источников информации: от отчетов ГИН, подсчетов запасов, лабораторных исследований керна и научных статей – до данных из структурированных отраслевых баз.
В числе продемонстрированных кейсов — оценка параметра gCoS (геологического шанса успеха) на примере лицензионного участка MB-OSHP-2023/1 на шельфе Индии. Для решения использовалась разработанная в компании система GEOASSISTANT, которая извлекает параметры НГМП из неструктурированных данных научных публикаций. На основании анализа более 50 статей по 37 бассейнам и 830 образцов породы, нейросеть определила вероятность наличия зрелых нефтегазоматеринских пород с высоким Рнм на уровне 0,95.
Похожий эксперимент был проведен на данных по южной части острова Сахалин. Используя открытые публикации и архивные геологические отчеты Росгеолфонда, ИИ-ассистент сформировал базу геологических образцов, выделил перспективные свиты и проанализировал их способность к генерации углеводородов. Анализ показал высокие перспективы курасийской и верхнедуйской свит как потенциальных НГМП для генерации газа.
Генеративный ИИ помогает специалистам в решении одной из ключевых задач геологической интерпретации — прогнозировании распространения фациальных зон. Используя данные скважин, результаты сейсморазведки и сравнение с современными условиями осадконакопления, ИИ-ассистент строит модели, отражающие вероятное распределение литофаций в разрезе. Такой подход позволяет учитывать как локальные особенности строения пласта, так и закономерности, выявленные на аналогичных объектах, что повышает точность прогнозов и обоснованность проектных решений.
Отдельный блок доклада был посвящен интеллектуальному подбору аналогов для прогноза запускного дебита скважин. Интеграция генеративного ИИ в процессы разработки месторождений открывает новые возможности для повышения точности расчетов и сокращения сроков подготовки проектной документации. Использование извлечённых геологических, термобарических и гидродинамических параметров пластов позволяет более обоснованно подбирать аналоги и формировать прогнозные модели
В заключение были представлены результаты бенчмаркинга качества извлечения геологических параметров различными языковыми моделями. Согласно данным, лучшие результаты показали коммерческие модели закрытого типа. В то же время модели с открытым кодом, включая отечественные разработки, пока демонстрируют низкую точность при работе с технически сложными данными.
Генеративный ИИ способен изменить подход к принятию решений в недропользовании — от ручной обработки разрозненной информации к интеллектуальному управлению данными.
С презентацией доклада можно ознакомиться по ссылке.
Назад в Пресс-центр
Особое внимание в докладе было уделено архитектуре ИИ-ассистента нефтегазового инженера-геолога, способного решать широкий спектр отраслевых задач: от оценки шанса геологического успеха (gCoS) до прогноза запускного дебита скважины и генерации геологической отчетности.
ИИ-решение на базе генеративных моделей, разработанное «ВЫГОН Консалтинг», использует широкий набор источников информации: от отчетов ГИН, подсчетов запасов, лабораторных исследований керна и научных статей – до данных из структурированных отраслевых баз.
В числе продемонстрированных кейсов — оценка параметра gCoS (геологического шанса успеха) на примере лицензионного участка MB-OSHP-2023/1 на шельфе Индии. Для решения использовалась разработанная в компании система GEOASSISTANT, которая извлекает параметры НГМП из неструктурированных данных научных публикаций. На основании анализа более 50 статей по 37 бассейнам и 830 образцов породы, нейросеть определила вероятность наличия зрелых нефтегазоматеринских пород с высоким Рнм на уровне 0,95.
Похожий эксперимент был проведен на данных по южной части острова Сахалин. Используя открытые публикации и архивные геологические отчеты Росгеолфонда, ИИ-ассистент сформировал базу геологических образцов, выделил перспективные свиты и проанализировал их способность к генерации углеводородов. Анализ показал высокие перспективы курасийской и верхнедуйской свит как потенциальных НГМП для генерации газа.
Генеративный ИИ помогает специалистам в решении одной из ключевых задач геологической интерпретации — прогнозировании распространения фациальных зон. Используя данные скважин, результаты сейсморазведки и сравнение с современными условиями осадконакопления, ИИ-ассистент строит модели, отражающие вероятное распределение литофаций в разрезе. Такой подход позволяет учитывать как локальные особенности строения пласта, так и закономерности, выявленные на аналогичных объектах, что повышает точность прогнозов и обоснованность проектных решений.
Отдельный блок доклада был посвящен интеллектуальному подбору аналогов для прогноза запускного дебита скважин. Интеграция генеративного ИИ в процессы разработки месторождений открывает новые возможности для повышения точности расчетов и сокращения сроков подготовки проектной документации. Использование извлечённых геологических, термобарических и гидродинамических параметров пластов позволяет более обоснованно подбирать аналоги и формировать прогнозные модели
В заключение были представлены результаты бенчмаркинга качества извлечения геологических параметров различными языковыми моделями. Согласно данным, лучшие результаты показали коммерческие модели закрытого типа. В то же время модели с открытым кодом, включая отечественные разработки, пока демонстрируют низкую точность при работе с технически сложными данными.
Генеративный ИИ способен изменить подход к принятию решений в недропользовании — от ручной обработки разрозненной информации к интеллектуальному управлению данными.
С презентацией доклада можно ознакомиться по ссылке.
Назад в Пресс-центр
