Казанские учёные нашли способ снизить человеческий фактор при анализе месторождений полезных ископаемых
В Казанском федеральном университете учёные разработали уникальный набор данных, который включает более 65 560 микротомографических изображений различных типов горных пород, таких как песчаники и нефтеносные сланцы. Этот подход помогает решать проблемы, связанные с описанием кернов, что стало возможным благодаря работе Научного центра мирового уровня «Рациональное освоение запасов жидких углеводородов планеты». Как отмечают исследователи, традиционные методы анализа керна часто не выявляют важные детали, такие как трещины и пустоты, которые могут влиять на характеристики пород.
Для улучшения анализа учёные объединили компьютерную томографию с машинным обучением. Это позволило им создать метод, который выделяет ключевые особенности, обычно остающиеся незамеченными при ручном анализе. Старший научный сотрудник лаборатории методов увеличения нефтеотдачи Раиль Кадыров рассказал, что нейронные сети были адаптированы для распознавания изображений пород, что позволяет автоматически классифицировать их по важным характеристикам.
Использование искусственного интеллекта в этом исследовании принесло высокую точность — более 94% в распознавании ключевых особенностей пород. Система способна выявлять текстуры, трещины и другие детали, которые критически важны для оценки углеводородного потенциала. Как отметил Кадыров, эта технология уже показала свою эффективность на карбонатных кернах из реального нефтяного месторождения, где удалось быстро и точно выделить зоны с различными свойствами. Новый подход, названный «томофация», позволяет лучше понимать внутреннюю структуру подземных резервуаров, что значительно улучшает стратегии добычи и использования природных ресурсов.
Источник: www.ferra.ru
Похожие новости:
Уровень «цифровой зрелости» компаний в России выше, чем в среднем по миру
«Количество желающих повышать квалификацию в больших компаниях меньше, чем среди предпринимателей»
Сверхпроводящий токамак | Рентген в смартфоне | Теневая камера | Контакты для 2D-чипов
Технологии в агрокомплексе: мастера, подмастерье и искусственный интеллект