Исследователи Пермского Политеха и Китая разработали нейросеть, которая прогнозирует подземное давление с точностью 99,5%.

      Бурение скважин уже давно не является просто «сверлением дыры в земле». Сегодня это настоящая борьба человека с горной породой, где каждое неверное решение может обернуться серьезными последствиями.

      Недра Земли находятся в постоянном движении. Из-за движения тектонических плит в горных породах возникает огромное горизонтальное давление. Это является основной проблемой для специалистов, занимающихся бурением скважин на нефть и газ, так как буровой раствор должен точно компенсировать это давление. Даже малейшая ошибка в расчетах может привести к обрушению стенок скважины, поломке дорогостоящего оборудования, приостановке работ и экологической катастрофе.

      Для измерения таких напряжений используются два метода: по образцам породы и с помощью геофизических формул, которые зачастую не учитывают тектонические силы. Нейросети могут ускорить расчет, но обеспечивают лишь 65–85% точности и работают медленно. Чтобы решить эту проблему, ученые Пермского Политеха в сотрудничестве с китайскими коллегами разработали гибридную модель на основе искусственного интеллекта, которая предсказывает горизонтальные напряжения с точностью 99,5%, используя стандартные данные геофизических исследований.

      Мало кто знает, что земные недра — это не мертвая масса камней, а активно изменяющийся мир, где миллионы лет действуют колоссальные силы. Континенты двигаются, сталкиваются и раздвигаются, как огромные льдины в океане, что приводит к образованию гор, землетрясениям и формированию сложной системы напряжений внутри планеты.

      На глубине нескольких километров горные породы испытывают сжатие со всех сторон. Сверху на них давит вес верхних слоев — это вертикальное давление, которое относительно легко рассчитать. Однако существует также и более опасное горизонтальное напряжение, возникающее из-за постоянного движения земной коры. Например, Гималайские горы продолжают расти, так как Индийская плита врезается в Евразийскую, создавая большое боковое сжатие, с которым сталкиваются специалисты, бурящие скважины для добычи нефти и газа. Эти тектонические силы представляют собой серьезную практическую задачу: как пробурить проход в сжатой породе и удержать его открытым без разрушения инструмента или самой породы?

      Чтобы понять эту проблему, можно обратиться к песочнице. Когда копать в сухом песке, стенки ямы начинают осыпаться, тогда как во влажном песок сохраняет форму, так как вода связывает песчинки. В скважине буровой раствор выполняет функцию воды: его закачивают внутрь, чтобы противодействовать давлению породы и поддерживать стенки. Если давление будет недостаточным, стенки обрушатся и оборудование сломается. Если же давление будет слишком высоким, порода деформируется, и нефть и газ могут бесконтрольно выбрастываться наружу. Ошибка всего в несколько процентов может привести к многомиллионным потерям, остановке работ или даже экологической катастрофе.

      Для измерения горизонтальных напряжений в настоящее время используют несколько подходов. Один из них — лабораторные исследования образцов породы (керна), которые извлекают из скважины. Однако такие образцы не могут быть получены на всей глубине — они берутся только в отдельных интервалах, а при извлечении естественное напряжение теряется, и его можно восстановить только приблизительно.

      Другой подход — геофизические исследования, при которых в скважину опускают приборы, измеряющие свойства породы, такие как скорость звука, плотность и пористость. Хотя информации получается много, она сама по себе не дает четкого ответа. Для расчета горизонтальных напряжений необходимы сложные математические формулы, часто упрощенные и не учитывающие тектонические силы.

      В ответ на эти вызовы нейросети все чаще начинают применять для расчетов. Они находят скрытые закономерности в больших объемах данных. Однако у существующих моделей есть свои недостатки: они часто «переобучаются», хорошо работая на знакомых скважинах, но ошибаясь на новых, что приводит к точности прогноза в диапазоне 65–85%. Кроме того, обработка данных занимает много времени, что недопустимо в условиях бурения.

      Для решения этой проблемы в Пермском Политехе совместно с китайскими коллегами была разработана гибридная модель на основе искусственного интеллек