2411-3336 2541-9404 Записки Горного института Journal of Mining Institute Санкт-Петербургский горный университет императрицы Екатерины ΙΙ Empress Catherine II Saint Petersburg Mining University YVJYUF pmi-16704 https://pmi.spmi.ru/pmi/article/view/16704 Геотехнология и инженерная геология Geotechnical Engineering and Engineering Geology Methodological aspects of integrated processing of geoscientific data with elements of neural network prediction as the basis for a reservoir model under conditions of low well density in the area Методологические аспекты комплексной обработки геолого-геофизических данных с элементами нейросетевого прогноза как основа модели коллектора в условиях малой разбуренности площади Tyukavkina Olga V. Тюкавкина О. В. Tyukavkina Olga V. tov.sing@mail.ru 0000-0002-1607-531X Российский государственный геологоразведочный университет имени Серго Орджоникидзе (Москва, Россия) Sergo Ordzhonikidze Russian State University for Geological Prospecting (Moscow, Russia) Permyakova Irina S. Пермякова И. С. Permyakova Irina S. Permyakova_is@mail.ru 0009-0000-7684-4654 Диалл Альянс, Сколково (Москва, Россия) Diall Alliance, Skolkovo (Moscow, Russia) Kapitonova Irina L. Капитонова И. Л. Kapitonova Irina L. kapitonova_il@pfur.ru 0000-0001-9707-1240 Российский университет дружбы народов имени Патриса Лумумбы (Москва, Россия) Peoples’ Friendship University of Russia named after Patrice Lumumba (Moscow, Russia) 03 07 2026 2026 279 175 188 24 03 2025 28 04 2026 30 05 2026 © 2026 О. В. Тюкавкина, И. С. Пермякова, И. Л. Капитонова © 2026 Olga V. Tyukavkina, Irina S. Permyakova, Irina L. Kapitonova 2026 О. В. Тюкавкина, И. С. Пермякова, И. Л. Капитонова Olga V. Tyukavkina, Irina S. Permyakova, Irina L. Kapitonova Эта статья доступна по лицензии Creative Commons Attribution 4.0 International (CC BY 4.0) This article is licensed under a Creative Commons Attribution 4.0 International License (CC BY 4.0) https://pmi.spmi.ru/pmi/article/view/16704

В ходе комплексной интерпретации геологических и сейсмических данных, полученных при исследованиях сложнопостроенных коллекторов месторождений Западной Сибири, рассмотрены методы и принципы обработки геолого-промысловой информации для применения нейросетевого прогноза пористости коллектора. Приведены результаты прогнозных кубов пористости для выявления коллекторов по данным обработки сейсмических, геофизических исследований скважин и геологических данных. В работе показан подход к оценке пористости коллектора, который при комплексной интерпретации геофизических исследований скважин и данных изменения плотности пласта-коллектора с применением методов синхронной сейсмической инверсии может быть использован для определения группы алгоритмов вероятностного подхода к выделению литотипов. По результатам применения интерактивных инструментов вероятностной интерпретации скважинных данных и 3D сейсморазведки даны прогноз и вероятностная оценка расположения коллектора с разной насыщенностью (водо-, газонасыщенность). Полученные результаты позволили обосновать наличие нефтегазонасыщенного песчаника в пределах исследуемого месторождения в изучаемом горизонте с вероятностью 50-95 %.

During the comprehensive interpretation of geological and seismic data obtained while studying complex reservoirs in West Siberian fields, the methods and principles for processing field geological data to apply neural network-based porosity prediction for reservoirs were examined. The paper presents results of porosity prediction cubes used to identify reservoirs based on processed seismic data, well logging results, and geological information. The work demonstrates an approach to estimating reservoir porosity. Combining well logging interpretation with data on reservoir density variations and using synchronous seismic inversion methods can help in defining a set of probabilistic algorithms for lithotype identification. Based on the application of interactive tools for probabilistic interpretation of well data and 3D seismic surveying, the study provides a prediction and probabilistic assessment of reservoir location with varying saturation levels (water and gas saturation). The results substantiate the presence of oil and gas saturated sandstone within the studied field and horizon with a probability of 50-95 %.

 Ключевые слова сейсмическая инверсия коллектор модуль Emerge нейросетевой прогноз геофизические исследования AVO-анализ Keywords seismic inversion reservoir Emerge module neural network prediction geophysical surveys AVO analysis Работа выполнена в рамках государственного задания ИПНГ РАН по теме «Фундаментальный базис инновационных, цифровых технологий прогноза, поиска, разведки и освоения нефтегазовых ресурсов (фундаментальные, поисковые, прикладные, экономические и междисциплинарные исследования до 2030 года)», номер государственной регистрации 125021302095-2. The work was carried out under the State assignment of OGRI RAS on the topic “Fundamental basis of innovative, digital technologies for predicting, prospecting, exploration, and development of petroleum resources (fundamental, exploratory, applied, economic, and interdisciplinary research until 2030)”, State registration number 125021302095-2. Kochnev A., Galkin S., Krivoshchekov S. et al. Application of Machine Learning Algorithms to Predict the Effectiveness of Radial Jet Drilling Technology in Various Geological Conditions // Applied Sciences. 2021. Vol. 11. Iss. 10. № 4487. DOI: 10.3390/app11104487 Kochnev A., Galkin S., Krivoshchekov S. et al. Application of Machine Learning Algorithms to Predict the Effectiveness of Radial Jet Drilling Technology in Various Geological Conditions. Applied Sciences. 2021. Vol. 11. Iss. 10. N 4487. DOI: 10.3390/app11104487 Потехин Д.В., Галкин С.В. Применение технологии машинного обучения при моделировании распределения литотипов на пермокарбоновой залежи нефти Усинского месторождения // Записки Горного института. 2023. Т. 259. С. 41-51. DOI: 10.31897/PMI.2022.101 Potekhin D.V., Galkin S.V. Use of machine learning technology to model the distribution of lithotypes in the Permo-Carboniferous oil deposit of the Usinskoye field. Journal of Mining Institute. 2023. Vol. 259, p. 41-51. DOI: 10.31897/PMI.2022.101 Петраков Д.Г., Пеньков Г.М., Золотухин А.Б. Экспериментальное исследование влияния горного давления на проницаемость песчаника // Записки Горного института. 2022. Т. 254. С. 244-251. DOI: 10.31897/PMI.2022.24 Petrakov D.G., Penkov G.M., Zolotukhin A.B. Experimental study on the effect of rock pressure on sandstone permeability. Journal of Mining Institute. 2022. Vol. 254, p. 244-251. DOI: 10.31897/PMI.2022.24 Конторович А.Э., Бурштейн Л.М., Губин И.А. и др. Глубокопогруженные нефтегазовые системы нижнего палеозоя на востоке Сибирской платформы: геолого-геофизическая характеристика, оценка ресурсов углеводородов // Записки Горного института. 2024. Т. 269. С. 721-737. Kontorovich A.E., Burshtein L.M., Gubin I.A. et al. Deep-buried Lower Paleozoic oil and gas systems in eastern Siberian Platform: geological and geophysical characteristics, estimation of hydrocarbon resources. Journal of Mining Institute. 2024. Vol. 269, p. 721-737. Прищепа О.М., Луцкий Д.С., Киреев С.Б., Синица Н.В. Термодинамическое моделирование как основа прогноза фазовых состояний углеводородных флюидов на больших и сверхбольших глубинах // Записки Горного института. 2024. Т. 269. С. 815-832. Prishchepa O.M., Lutskii D.S., Kireev S.B., Sinitsa N.V. Thermodynamic modelling as a basis for forecasting phase states of hydrocarbon fluids at great and super-great depths. Journal of Mining Institute. 2024. Vol. 269, p. 815-832. Ананьев В.В., Барков А.Ю., Тюкавкина О.В. и др. Методологические основы комплексной интерпретации геологических и сейсмических данных при прогнозировании коллектора в условиях неопределенностей // Геофизика. 2024. № 3. С. 39-45. DOI: 10.34926/geo.2024.79.94.005 Ananyev V.V., Barkov A.Y., Tyukavkina O.V. et al. Methodological basis for integrated interpretation of geological and seismic data in reservoir forecasting under conditions of uncertainty. Geophysics. 2024. N 3, p. 39-45 (in Russian). DOI: 10.34926/geo.2024.79.94.005 Белозеров В.Б., Коровин М.О. Структурно-тектонические особенности строения и нефтегазоносность пласта М1 отложений палеозойского фундамента Арчинской площади (Западная Сибирь) // Записки Горного института. 2024. Т. 268. С. 520-534. Belozerov V.B., Korovin M.O. M1 formation tectono-structural features and gas-oil potential within Archinskaya area Paleozoic basement (Western Siberia). Journal of Mining Institute. 2024. Vol. 268, p. 520-534. Губин И.А., Конторович А.Э., Коровников И.В., Парфенова Т.М. Строение кембрийских отложений Вилюйской гемисинеклизы по результатам комплексного анализа данных бурения и сейсморазведки // Геология и геофизика. 2021. Т. 62. № 8. С. 1115-1131. DOI: 10.15372/GiG2021117 Gubin I.A., Kontorovich A.E., Korovnikov I.V., Parfenova T.M. The Structure of Cambrian Deposits of the Vilyui Hemisyneclise, Based on an Integrated Analysis of Drilling and Seismic Data. Russian Geology and Geophysics. 2021. Vol. 62. N 8, p. 914-928. DOI: 10.2113/RGG20214353 Заключнов И.С., Путилов И.С. Прогноз коллекторов Падунского месторождения с использованием усовершенствованного способа сопоставления сейсмических атрибутов и скважинных данных // Геофизика. 2021. № 5. С. 19-23. Zaklyuchnov I.S., Putilov I.S. Using an improved reservoir prediction method based on seismic attributes and well data comparison for reservoir prediction (Padunskoe oilfield). Geophysics. 2021. N 5, p. 19-23 (in Russian). Лапковский В.В., Конторович В.А., Канакова К.И. и др. Оценка пространственного распределения петрофизических свойств осадочных толщ многомерными сплайнами // Георесурсы. 2024. Т. 26. № 3. С. 175-183. DOI: 10.18599/grs.2024.3.18 Lapkovsky V.V., Kontorovich V.A., Kanakova K.I. et al. Prediction of the Spatial Distribution of Petrophysical Properties of Sediment Formations Using Multidimensional Splines. Georesursy. 2024. Vol. 26. N 3, p. 175-183 (in Russian). DOI: 10.18599/grs.2024.3.18 Zhengjun Yu, Youzhuang Sun, Junhua Zhang et al. Gated recurrent unit neural network (GRU) based on quantile regression (QR) predicts reservoir parameters through well logging data // Frontiers in Earth Science. 2023. Vol. 11. № 1087385. DOI: 10.3389/feart.2023.1087385 Zhengjun Yu, Youzhuang Sun, Junhua Zhang et al. Gated recurrent unit neural network (GRU) based on quantile regression (QR) predicts reservoir parameters through well logging data. Frontiers in Earth Science. 2023. Vol. 11. N 1087385. DOI: 10.3389/feart.2023.1087385 Wood D.A. Predicting porosity, permeability and water saturation applying an optimized nearest-neighbour, machine-learning and data-mining network of well-log data // Journal of Petroleum Science and Engineering. 2020. Vol. 184. № 106587. DOI: 10.1016/j.petrol.2019.106587 Wood D.A. Predicting porosity, permeability and water saturation applying an optimized nearest-neighbour, machine-learning and data-mining network of well-log data. Journal of Petroleum Science and Engineering. 2020. Vol. 184. N 106587. DOI: 10.1016/j.petrol.2019.106587 Шустер В.Л., Тюкавкина О.В., Шелепов В.В. Повышение эффективности обработки результатов исследований фильтрационно-емкостных параметров коллектора при моделировании сложнопостроенных залежей нефти // Вестник Московского университета. Серия 4. Геология. 2022. № 2. С. 91-100. DOI: 10.33623/0579-9406-2022-2-91-100 Shuster V.L., Tyukavkina O.V., Shelepov V.V. Improving the efficiency of processing the results of reservoir filtration studies and parameters when modelling complex oil reserves. Moscow University Geology Bulletin. 2022. N 2, p. 91-100. DOI: 10.33623/0579-9406-2022-2-91-100 Шустер В.Л., Тюкавкина О.В., Шелепов В.В., Капитонова И.Л. Оценка перспектив нефтегазоносности доюрских и юрских отложений в центральной части Западно-Сибирской плиты // Вестник Московского университета. Серия 4. Геология. 2022. № 4. С. 77-83. DOI: 10.33623/0579-9406-2022-4-77-83 Schuster V.L., Tyukavkina O.V., Shelepov V.V., Kapitonova I.L. An Assessment of the Oil and Gas-Bearing Capacity of the Pre-Jurassic and Jurassic Deposits of the Central Part of the West Siberian Plate. Moscow University Geology Bulletin. 2022. Vol. 77. N 5, p. 524-530. DOI: 10.3103/S0145875222050143 Jingyu Liu, Luanxiao Zhao, Minghui Xu et al. Porosity prediction from prestack seismic data via deep learning: incorporating a low-frequency porosity model // Journal of Geophysics and Engineering. 2023. Vol. 20. Iss. 5. P. 1016-1029. DOI: 10.1093/jge/gxad063 Jingyu Liu, Luanxiao Zhao, Minghui Xu et al. Porosity prediction from prestack seismic data via deep learning: incorporating a low-frequency porosity model. Journal of Geophysics and Engineering. 2023. Vol. 20. Iss. 5, p. 1016-1029. DOI: 10.1093/jge/gxad063 Doyen P.M. Seismic Reservoir Characterization: An Earth Modelling Perspective. EAGE, 2007. 256 p. DOI: 10.3997/9789462820234 Doyen P.M. Seismic Reservoir Characterization: An Earth Modelling Perspective. EAGE, 2007, p. 256. DOI: 10.3997/9789462820234 Конторович В.А., Конторович А.Э., Калинин А.Ю. и др. Сейсмогеологическая и структурно-тектоническая характеристика континентальной окраины Сибирской платформы (Хатангско-Ленское междуречье) // Геология и геофизика. 2021. Т. 62. № 8. С. 1153-1171. DOI: 10.15372/GiG2021122 Kontorovich V.A., Kontorovich A.E., Kalinin A.Yu. et al. Seismogeologic, Structural, and Tectonic Characteristics of the Continental Margin of the Siberian Platform (Khatanga-Lena Interfluve). Russian Geology and Geophysics. 2021. Vol. 62. N 8, p. 947-963. DOI: 10.2113/RGG20214352 Zhaodong Su, Junxing Cao, Tao Xiang et al. Seismic prediction of porosity in tight reservoirs based on transformer // Frontiers in Earth Science. 2023. Vol. 11. № 1137645. DOI: 10.3389/feart.2023.1137645 Zhaodong Su, Junxing Cao, Tao Xiang et al. Seismic prediction of porosity in tight reservoirs based on transformer. Frontiers in Earth Science. 2023. Vol. 11. N 1137645. DOI: 10.3389/feart.2023.1137645 Gilyazetdinov R.A., Kuleshova L.S., Mukhametshin V.V. An experimental approach to estimating the current oil recovery coefficient using a complex of stochastic and numerical computer modeling methods // SOCAR Proceedings. 2024. Special Issue 1. P. 47-52. DOI: 10.5510/OGP2024SI100984 Gilyazetdinov R.A., Kuleshova L.S., Mukhametshin V.V. An experimental approach to estimating the current oil recovery coefficient using a complex of stochastic and numerical computer modeling methods. SOCAR Proceedings. 2024. Special Issue 1, p. 47-52. DOI: 10.5510/OGP2024SI100984 Шумейко А.Э., Цыганков В.А. Разработка численного алгоритма решения задачи обработки и определения базовой скоростной модели // Георесурсы. 2022. Т. 24. № 4. С. 138-147. DOI: 10.18599/grs.2022.4.12 Shumeiko A.E., Tsygankov V.A. Development of a numerical algorithm for solving the problem of processing and determining the basic velocity model. Georesursy. 2022. Vol. 24. N 4, p. 138-147 (in Russian). DOI: 10.18599/grs.2022.4.12 Сахнюк В.И., Новиков Е.В., Шарифуллин А.М. и др. Применение методов машинного обучения в обработке данных геофизических исследований скважин отложений викуловской свиты // Георесурсы. 2022. Т. 24. № 2. С. 230-238. DOI: 10.18599/grs.2022.2.21 Sakhnyuk V.I., Novickov E.V., Sharifullin A.M. et al. Machine learning applications for well-logging interpretation of the Vikulov Formation. Georesursy. 2022. Vol. 24. N 2, p. 230-238 (in Russian). DOI: 10.18599/grs.2022.2.21 Viggen E.M., Merciu I.A., Løvstakken L. et al. Automatic interpretation of cement evaluation logs from cased boreholes using supervised deep neural networks // Journal of Petroleum Science and Engineering. 2020. Vol. 195. № 107539. DOI: 10.1016/j.petrol.2020.107539 Viggen E.M., Merciu I.A., Løvstakken L. et al. Automatic interpretation of cement evaluation logs from cased boreholes using supervised deep neural networks. Journal of Petroleum Science and Engineering. 2020. Vol. 195. N 107539. DOI: 10.1016/j.petrol.2020.107539 Мухаметшин В.В., Бахтизин Р.Н., Кулешова Л.С. и др. Скрининг и оценка условий эффективного применения методов увеличения нефтеотдачи высокообводненных залежей с трудноизвлекаемыми запасами // SOCAR Proceedings. 2021. Спец. вып. 2. С. 48-56. DOI: 10.5510/OGP2021SI200588 Mukhametshin V.V., Bakhtizin R.N., Kuleshova L.S. et al. Screening and Assessing the Conditions for Effective Oil Recovery Enhancing Techniques Application for Hard to Recover High-Water Cut Reserves. SOCAR Proceedings. 2021. Special Issue 2. P. 48-56 (in Russian). DOI: 10.5510/OGP2021SI200588 Шустов Д.В., Кашников Ю.А., Кухтинский А.Э., Ефимов А.А. О связи коэффициента Пуассона с геофизическими характеристиками горных пород // Георесурсы. 2024. Т. 26. № 2. С. 69-75. DOI: 10.18599/grs.2024.2.7 Shustov D.V., Kashnikov Yu.A., Kukhtinskii A.E., Efimov A.A. On the Relationship of Poisson’s Ratio with Geophysical Characteristics of Rocks. Georesursy. 2024. Vol. 26. N 2) p. 69-75 (in Russian). DOI: 10.18599/grs.2024.2.7 Бриллиант Л.С., Дулкарнаев М.Р., Данько М.Ю. и др. Управление добычей нефти на основе нейросетевой оптимизации режимов работы скважин на участке опытно-промышленных работ пласта ЮВ1 Ватьеганского месторождения ТПП «Повхнефтегаз» // Георесурсы. 2022. Т. 24. № 1. С. 3-15. DOI: 10.18599/grs.2022.1.1 Brilliant L.S., Dulkarnaev M.R., Danko M.Yu. et al. Oil production management based on neural network optimization of well operation at the pilot project site of the Vatyeganskoe field (Territorial Production Enterprise Povkhneftegaz). Georesursy. 2022. Vol. 24. N 1, p. 3-15 (in Russian). DOI: 10.18599/grs.2022.1.1 Иванов А.Н., Нгуен Куинь Зуи, Кудин Е.В. и др. Автоматизированная адаптация геолого-гидродинамических моделей к истории разработки с применением алгоритмов PEXEL на примере объектов месторождения Белый тигр // Нефтяное хозяйство. 2024. № 10. С. 28-31. DOI: 10.24887/0028-2448-2024-10-28-31 Ivanov A.N., Nguyen Quynh Huy, Kudin E.V. et al. Automated history matching of simulation model using PEXEL algorithms on the example of the White Tiger field. Oil Industry. 2024. N 10, p. 28-31 (in Russian). DOI: 10.24887/0028-2448-2024-10-28-31 Кашников Ю.А., Шустов Д.В., Якимов С.Ю. Учет геомеханического состояния трещинно-порового коллектора при гидродинамическом моделировании // Записки Горного института. 2025. Т. 271. С. 42-52. Kashnikov Yu.A., Shustov D.V., Yakimov S.Yu. Consideration of the geomechanical state of a fractured porous reservoir in reservoir simulation modelling. Journal of Mining Institute. 2025. Vol. 271, p. 42-52. Шелохов И.А., Буддо И.В., Смирнов А.С. и др. Уточнение скоростной модели верхней части разреза по данным нестационарных электромагнитных зондирований: результаты применения в Восточной и Западной Сибири // Георесурсы. 2021. Т. 23. № 3. С. 60-72. DOI: 10.18599/grs.2021.3.9 Shelokhov I.A., Buddo I.V., Smirnov A.S. et al. Shallow velocity model from the transient electromagnetic method data: results of application in Eastern and Western Siberia. Georesursy. 2021. Vol. 23. N 3, p. 60-72 (in Russian). DOI: 10.18599/grs.2021.3.9 Шустер В.Л., Пунанова С.А. Перспективы нефтегазоносности глубокозалегающих юрских и доюрских отложений севера Западной Сибири в нетрадиционных ловушках // Георесурсы. 2021. Т. 23. № 1. С. 30-41. DOI: 10.18599/grs.2021.1.3 Schuster V.L., Punanova S.A. Oil and gas potential of the deep-lying Jurassic and pre‑Jurassic deposits of the North of Western Siberia in unconventional traps. Georesursy. 2021. Vol. 23. N 1, p. 30-41 (in Russian). DOI: 10.18599/grs.2021.1.3 Van Thang Nguyen, Rogachev M.K., Aleksandrov A.N. A new approach to improving efficiency of gas-lift wells in the conditions of the formation of organic wax deposits in the Dragon field // Journal of Petroleum Exploration and Production Technology. 2020. Vol. 10. Iss. 8. P. 3663-3672. DOI: 10.1007/s13202-020-00976-4 Van Thang Nguyen, Rogachev M.K., Aleksandrov A.N. A new approach to improving efficiency of gas-lift wells in the conditions of the formation of organic wax deposits in the Dragon field. Journal of Petroleum Exploration and Production Technology. 2020. Vol. 10. Iss. 8, p. 3663-3672. DOI: 10.1007/s13202-020-00976-4 Weiqiang Li, Longxin Mu, Lun Zhao et al. Pore-throat structure characteristics and its impact on the porosity and permeability relationship of Carboniferous carbonate reservoirs in eastern edge of Pre-Caspian Basin // Petroleum Exploration and Development. 2020. Vol. 47. Iss. 5. P. 1027-1041. DOI: 10.1016/S1876-3804(20)60114-8 Weiqiang Li, Longxin Mu, Lun Zhao et al. Pore-throat structure characteristics and its impact on the porosity and permeability relationship of Carboniferous carbonate reservoirs in eastern edge of Pre-Caspian Basin. Petroleum Exploration and Development. 2020. Vol. 47. Iss. 5, p. 1027-1041. DOI: 10.1016/S1876-3804(20)60114-8 Liexiang Han. New progress of drilling and completion technologies for ultra-deep wells in the Sichuan-Chongqing Area // Oil Drilling & Production Technology. 2019. Vol. 41. № 5. P. 555-561 (in Chinese). DOI: 10.13639/j.odpt.2019.05.001 Liexiang Han. New progress of drilling and completion technologies for ultra-deep wells in the Sichuan-Chongqing Area. Oil Drilling & Production Technology. 2019. Vol. 41. N 5, p. 555-561 (in Chinese). DOI: 10.13639/j.odpt.2019.05.001 Xusheng Guo, Dongfeng Hu, Yuping Li et al. Theoretical Progress and Key Technologies of Onshore Ultra-Deep Oil/Gas Exploration // Engineering. 2019. Vol. 5. Iss. 3. P. 458-470. DOI: 10.1016/j.eng.2019.01.012 Xusheng Guo, Dongfeng Hu, Yuping Li et al. Theoretical Progress and Key Technologies of Onshore Ultra-Deep Oil/Gas Exploration. Engineering. 2019. Vol. 5. Iss. 3, p. 458-470. DOI: 10.1016/j.eng.2019.01.012 Jinjun Zhang, Bo Yu, Hongying Li, Qiyu Huang. Advances in rheology and flow assurance studies of waxy crude // Petroleum Science. 2013. Vol. 10. Iss. 4. P. 538-547. DOI: 10.1007/s12182-013-0305-2 Jinjun Zhang, Bo Yu, Hongying Li, Qiyu Huang. Advances in rheology and flow assurance studies of waxy crude. Petroleum Science. 2013. Vol. 10. Iss. 4, p. 538-547. DOI: 10.1007/s12182-013-0305-2