ФИЗИЧЕСКИ-ОСОЗНАННОЕ МАСКИРОВАННОЕ ПРЕДОБУЧЕНИЕ ДЛЯ МЕЖБАССЕЙНОВЫХ ФУНДАМЕНТАЛЬНЫХ МОДЕЛЕЙ КАРОТАЖНЫХ ДИАГРАММ

Авторы

  • Кошкаров Е. Ж. Astana IT University, Астана, Казахстан, докторант https://orcid.org/0009-0001-0801-0647
  • Амиргалиев Б. Е. Astana IT University, Астана, Казахстан, кандидат технических наук, профессор https://orcid.org/0000-0003-0355-5856
  • Мулеса О. Прешовский университет, Прешов, Словакия, профессор https://orcid.org/0000-0002-6117-5846

DOI:

https://doi.org/10.32014/2026.2518-1726.459

Ключевые слова:

интерпретация каротажных диаграмм, фундаментальные модели, самоконтролируемое обучение, петрофизические ограничения, маскированные автоэнкодеры, обучение с переносом, характеристика недр

Аннотация

Актуальность. Интерпретация каротажных диаграмм сопряжена с рядом существенных проблем, включая дефицит данных, изменение их распределения между различными геологическими бассейнами и недостаточное использование физически обоснованных представлений в современных фундаментальных моделях. Несмотря на перспективность подходов на основе маскированных автоэнкодеров для самоконтролируемого предобучения на данных о недрах, такие методы зачастую не учитывают фундаментальные петрофизические ограничения, определяющие взаимосвязи между измеряемыми параметрами. Цель. Разработать физически обоснованный подход к маскированному предобучению, включающий петрофизические функции согласованности в процесс самоконтролируемого обучения на многомерных каротажных диаграммах. Методы. Предложенный метод объединяет восстановление маскированных патчей с дифференцируемыми прямыми петрофизическими моделями, основанными на законе Арчи, уравнении среднего времени Уайлли и зависимостях между плотностью и пористостью, используемых в качестве дополнительных целевых функций. Кроме того, применяется геологически адаптивная стратегия маскирования, постепенно увеличивающая сложность задачи: от случайного маскирования отдельных точек к межкривому маскированию и маскированию стратиграфических интервалов. Результаты. Эксперименты на эталонном наборе данных FORCE 2020 показали, что физически обоснованное предобучение повышает точность классификации литологии на 4,2% и снижает ошибку оценки пористости на 5,8% по сравнению со стандартными маскированными автоэнкодерами. Эксперименты по межбассейновому переносу продемонстрировали снижение разрыва оптимальности на 6,3% при переносе модели с данных норвежских скважин на данные скважин Канзаса. Абляционный анализ показал, что петрофизические функции согласованности обеспечивают прирост точности классификации на 2,8 процентного пункта, тогда как геологически адаптивное маскирование добавляет еще 1,4 процентного пункта. Практическая значимость. Предложенный подход сохраняет высокую вычислительную эффективность: время инференса составляет менее 12 миллисекунд на один участок скважины. Это делает метод пригодным для применения в режиме реального времени при бурении в условиях дефицита данных и работы с несколькими геологическими бассейнами.

Загрузки

Опубликован

2026-10-01

Как цитировать

Koshkarov, Y. Z., Amirgaliyev, B. Y., & Mulesa, O. (2026). ФИЗИЧЕСКИ-ОСОЗНАННОЕ МАСКИРОВАННОЕ ПРЕДОБУЧЕНИЕ ДЛЯ МЕЖБАССЕЙНОВЫХ ФУНДАМЕНТАЛЬНЫХ МОДЕЛЕЙ КАРОТАЖНЫХ ДИАГРАММ. Academic Scientific Journal of Computer Science, (3), 197–213. https://doi.org/10.32014/2026.2518-1726.459

Выпуск

Раздел

ИНФОРМАТИКА