FRACTURE MODEL RECONSTRUCTION BASED ON MACHINE LEARNING AND 3D CONVOLUTIONAL MODELING

Abstract

В работе проведено численное исследование применимости машинного обучения в задаче трехмерной инверсии для реконструкции модели трещин. Сейсмическая инверсия используется на практике для прогнозирования коллекторских свойств. Стандартная инверсия основана на одномерной сверточной модели, но реальные геологические среды более сложны. Поэтому исследуется подход для реконструкции трехмерной модели трещин, основанный на трехмерном сверточном моделировании и машинном обучении с использованием нейронной сети U-Net. Численные эксперименты выполнены для реалистичной трехмерной синтетической модели трещин, созданной по реальным данным из северного региона России. We devote the presented paper to the numerical study of the applicability of 3D machine learning based on inversion for fracture model reconstruction. Seismic inversion is used in practice for predicting reservoir properties. Standard version is based on a one-dimensional convolutional model, but real geological media are more complex, therefore we provide implementation and investigation of the machine learning based approach for 3D fracture model reconstruction, which uses U-net neural network and 3D convolutional model. We perform numerical experiments for a realistic 3D synthetic fractured model created from real data got the north of Russia.