Ученые МФТИ научили нейросеть предсказывать проницаемость горных пород
Она работает быстрее традиционных инструментов и выдает не менее точные прогнозы.
Учёные из Московского физико-технического института совместно с коллегами из Ирана разработали нейросетевой алгоритм, который позволяет прогнозировать проницаемость горных пород на основе их структурных характеристик.
Подобные расчеты имеют критическое значение для добывающей отрасли. Именно проницаемость определяет эффективность разработки месторождений. От неё зависит, сколько нефти или газа можно извлечь из пласта, и насколько быстро загрязнения могут распространяться в подземных водах.
Новая разработка полностью заменяет лабораторные исследования и вычисления на суперкомпьютерах. Для обучения нейросети исследователи применили набор данных, включавший 998 синтетических трёхмерных изображений пористых сред. В качестве исходных данных использовали не сами объёмные изображения, а компактные статистические характеристики – корреляционные функции.
