Технология обработки сейсмических данных на основе асимптотических методов и методов машинного обучения для поиска и описания трещиноватых коллекторов

КАРТОЧКА ПРОЕКТА ФУНДАМЕНТАЛЬНЫХ И ПОИСКОВЫХ НАУЧНЫХ ИССЛЕДОВАНИЙ,
ПОДДЕРЖАННОГО РОССИЙСКИМ НАУЧНЫМ ФОНДОМ

Информация подготовлена на основании данных из Информационно-аналитической системы РНФ, содержательная часть представлена в авторской редакции. Все права принадлежат авторам, использование или перепечатка материалов допустима только с предварительного согласия авторов.

ОБЩИЕ СВЕДЕНИЯ

Номер проекта 21-71-20002

НазваниеТехнология обработки сейсмических данных на основе асимптотических методов и методов машинного обучения для поиска и описания трещиноватых коллекторов

Руководитель Протасов Максим Игоревич, Доктор физико-математических наук

Организация финансирования, регион Федеральное государственное бюджетное учреждение науки Институт нефтегазовой геологии и геофизики им. А.А. Трофимука Сибирского отделения Российской академии наук , Новосибирская обл

Конкурс №51 - Конкурс 2021 года по мероприятию «Проведение исследований на базе существующей научной инфраструктуры мирового уровня» Президентской программы исследовательских проектов, реализуемых ведущими учеными, в том числе молодыми учеными

Область знания, основной код классификатора 01 - Математика, информатика и науки о системах; 01-219 - Математическое моделирование в науках о Земле и проблемах окружающей среды

Ключевые слова сейсмические данные, трещиноватые резервуары, изображения трещиноватых зон, дифракционные изображения, обработка изображений, дифракционный скоростной анализ, улучшение сейсмических данных, методы машинного обучения, идеальные изображения

Код ГРНТИ27.35.00

ИНФОРМАЦИЯ ИЗ ЗАЯВКИ

Аннотация
Поиск и разведка новых месторождений нефти – одна из самых актуальных задач, стоящих перед специалистами, работающими в области наук о Земле. По подсчётам разных специалистов, карбонатные трещиноватые коллекторы содержат от 35 до 48% мировых запасов нефти и от 23 до 28% газа. Целью проекта является разработка практических методов картирования и характеризации зон трещиноватости. Потенциальные результаты этого проекта будут иметь большое значение для развития нефтегазовой отрасли, так как трещины, как известно, существенно влияют на качество резервуара и на целостность покрывающей породы. Улучшение знаний о пространственном распределении трещин и их геометрии позволит принимать более надёжные решения относительно местоположения и ориентации скважин, необходимых для оптимального извлечения углеводородов. Как известно, рассеянная компонента волнового поля – источник важной информации о мелкомасштабных неоднородностях геологической среды. В настоящее время изображения в рассеянных волнах всё более активно используются в обработке сейсмических данных для выявления и характеризации зон трещиноватости. Вместе с тем при практическом применение изображений в рассеянных волнах возникает очень много вопросов, касающихся достоверности и качества результатов, а также их интерпретации. Критически важными элементами для достоверного выделения объектов дифракции являются: качество данных, качество модели, а также используемые алгоритмы, основные из которых – это алгоритмы построения дифракционных изображений. В рамках данного проекта мы предлагаем развивать специализированные алгоритмы улучшения сейсмических данных, направленные на выделение рассеянных/дифрагированных волн в самих данных, с использованием асимптотических представлений об этих волнах. На практике, как правило, для построения дифракционного изображения используется скоростная модель, полученная по отражённым волнам, что может приводить к искажениям и дефокусировке. Для преодоления таких проблем и обеспечения наилучшей фокусировки изображений в рассеянных волнах, предлагается развивать методы дифракционного скоростного анализа, в основе которых будут использоваться асимптотические решения. Использование асимптотических решений позволяет, с одной стороны, создать быстрые и эффективные алгоритмы, а с другой стороны даёт возможность сориентироваться на конкретный тип волн, что в случае с рассеянными/дифрагированными волнами критически важно. Поэтому и на этапе построения дифракционных изображений предлагается использовать и продолжить развивать алгоритмы, основанные на асимптотических представлениях, но при этом максимизирующие фокусировку энергии в точках изображения. Большинство используемых на практике алгоритмов решает задачу выделения рассеивающих/дифрагирующих объектов либо в процессе миграции, либо после миграции. Мы предлагаем создать более эффективные алгоритмы, когда происходит выделение рассеянной компоненты на трёх этапах: в данных, при миграции и на изображении, тогда и результат будет более достоверный. На последнем этапе обработки дифракционного изображения для характеризации трещиноватой среды мы предлагаем использовать методы машинного обучения. При этом самую трудоёмкую часть, обучение нейронной сети, предлагается сделать за счёт использования так называемых идеальных сейсмических изображений. В этом случае нейронная сеть будет обучена на качественных данных т.е. качественных дифракционных сейсмических изображениях. Качественное изображение по реальным сейсмическим данным обеспечит комплексный подход, когда по улучшенным сейсмическим данным и модели после дифракционного скоростного анализа происходит выделение рассеянной компоненты на трёх этапах: в данных, при миграции и на изображении. Все описанные и предлагаемые к развитию компоненты будут составлять новую технологию обработки сейсмических данных для поиска и описания трещиноватых коллекторов.

ОТЧЁТНЫЕ МАТЕРИАЛЫ

Публикации

1. Протасов М.И., Чеверда В.А., Шиликов В.В. Detection and Characterization of Fault, Cavernous, and Fracture Zones by Constructing Seismic Diffraction Image Attributes DOKLADY EARTH SCIENCES, Том 499, Выпуск 2, Страницы 670 - 674 (год публикации - 2021)
10.1134/S1028334X21080110

2. Протасов М.И., Чеверда В.А., Шиликов В.В. 3D diffraction imaging attributes and their application for fault and fracture localization and characterization Journal of Applied Geophysics, Том 191 (год публикации - 2021)
10.1016/j.jappgeo.2021.104346

3. Протасов М.И. Fracture characterization via diffraction image attributes Conference Proceedings, Geomodel 2021, Volume 2021, p.1 - 6 (год публикации - 2021)
10.3997/2214-4609.202157006

4. Гадыльшин K.Г., Сильвестров И.Ю., Бакулин А.В DNN-Based Direct Local Wavefront Attributes Estimation Conference Proceedings, Geomodel 2021, Volume 2021, p.1 - 5 (год публикации - 2021)
10.3997/2214-4609.202157068

5. Гадыльшин К.Г., Чеверда В.А., Твердохлебов Д.Н. Reconstruction of the Near-Surface Model in Complex Seismogeological Conditions of Eastern Siberia Utilizing Full Waveform Inversion with Varying Topography Lecture Notes in Computer Science, volume 12949, pages 504–518 (год публикации - 2021)
10.1007/978-3-030-86653-2_37

6. Неклюдов Д.А. Seismic data enhancement using time-frequency masks and a priory information obtained during local multidimensional stacking Conference Proceedings, Geomodel 2021, Volume 2021, p.1 - 5 (год публикации - 2021)
10.3997/2214-4609.202157077

7. Протасов М.И. Атрибуты дифракционных сейсмических изображений для характеризации трещиноватых зон Геофизика, Номер 2, стр.18-25 (год публикации - 2021)

8. Протасов М.И., Неклюдов Д.А., Мерецкий А.А. Повышение когерентности сигнала в сейсмических данных и в процессе их миграции на примерах 2D профилей из Сибири Геофизика, Номер 2, страницы: 38-43 (год публикации - 2021)

9. Протасов М.И. Fracture attributes from diffraction images SEG Technical Program Expanded Abstracts, Pages: 2585-2589 (год публикации - 2021)
10.1190/segam2021-3580951.1

Публикации

1. Протасов М.И. Diffraction imaging after diffraction separation in data domain Lecture Notes in Computer Science, volume 13382, pp. 560–571 (год публикации - 2022)
10.1007/978-3-031-10592-0_40

2. Гадыльшин К.Г., Протасов М.И. Full waveform inversion of the scattered component of the wavefield: resolution analysis Lecture Notes in Computer Science, Vol. 13375, pp. 143–157 (год публикации - 2022)
10.1007/978-3-031-10522-7_11

3. Чеверда В.А., Протасов М.И., Лисица В.В., Решетова Г.В., Петров Д.А., Мельник А.А., Шиликов В.В., Мельников Р.С., Волянская В.В. Three-dimensional model of oil and gas reservoirs based on gaussian beam processing of scattered seismic waves Russian Geology and Geophysics, volume 63 (1), p. 109–123 (год публикации - 2022)
10.2113/RGG20204231

4. Протасов М.И. Seismic diffraction image attributes for fracture characterization Proceedings - 2021 21st International Conference on Computational Science and Its Applications, ICCSA 2021, p. 218-224 (год публикации - 2022)
10.1109/ICCSA54496.2021.00038

5. М.И. Протасов High-performance implementation of 3D seismic target-oriented imaging Communications in Computer and Information Science, 3D seismic imaging; Beams; Parallelization; Target-oriented (год публикации - 2022)
10.1007/978-3-030-92864-3_10

6. Протасов М.И. Построение дифракционных изображений после выделения рассеянной компоненты в области данных Геофизика, № 2. – С. 2-7. (год публикации - 2022)

7. Колюхин Д.Р., Протасов М.И. Сейсмический анализ многомасштабной дискретной системы трещин ИНТЕРЭКСПО ГЕО-СИБИРЬ, Том 2, № 2, с. 240-245. (год публикации - 2022)
10.33764/2618-981X-2022-2-2-240-245

8. Гадыльшин К. Г., Протасов М.И. Анализ разрешающей способности метода обращения полного волнового поля применительно к рассеянной компоненте волнового поля ИНТЕРЭКСПО ГЕО-СИБИРЬ, Том 2, № 2, с. 275-279 (год публикации - 2022)
10.33764/2618-981X-2022-2-2-275-279

9. Протасов М.И. Выделение рассеянной компоненты волнового поля в области сейсмических данных: влияние на построение дифракционных изображений ИНТЕРЭКСПО ГЕО-СИБИРЬ, Том 2, № 2, с. 280-285. (год публикации - 2022)
10.33764/2618-981X-2022-2-2-280-285

10. Протасов М.И. Влияние скоростной модели и выделения рассеянных волн в сейсмических данных на результаты дифракционных изображений ГЕОМОДЕЛЬ 2022, с. 91-95 (год публикации - 2022)

Публикации

1. Протасов М.И., Кенжин Р.М., Дмитрачков Д.К., Павловский Е.Н. Seismic Inversion for Fracture Model Reconstruction: From 1D Inversion to Machine Learning Lecture Notes in Computer Science, v. 13957, p. 99–109 (год публикации - 2023)
10.1007/978-3-031-36808-0_7

2. Протасов М.И., Неклюдов Д.А. Fast 3D “wave-consistent” ray tomography based on a polynomial representation of a model Exploration Geophysics, Volume 54, Issue 4, Pages 441-456 (год публикации - 2023)
10.1080/08123985.2022.2162381

3. Неклюдов Д.А., Гадыльшин К.Г., Протасов М.И. Parallel implementation of fast 3D travel time tomography for depth-velocity model building in seismic exploration problems Lecture Notes in Computer Science, volume 13708, pp. 237–249 (год публикации - 2023)
10.1007/978-3-031-22941-1_17

4. Колюхин Д.Р., Протасов М.И. Multiscale study of statistical fractal DFN model and corresponding seismic images Computers & Geosciences, Volume 171, 105285 (год публикации - 2023)
10.1016/j.cageo.2022.105285

5. Протасов М.И., Кенжин Р.М., Павловский Е.Н. Восстановление модели трещин на основе машинного обучения и трёхмерного свёрточного моделирования Геофизика, Номер: 3 Страницы: 58-63 (год публикации - 2023)
10.34926/geo.2023.38.43.008

6. Протасов М.И., Сорокин А.С., Хуснитдинов Р.Р., Фагерева В.А. Сценарии обработки сейсмических данных при построении дифракционных изображений: стандартный граф и с сохранением рассеянных волн ГеоБайкал-2022, «ГеоБайкал 2022» | г. Иркутск, Россия 27 февраля — 3 марта 2023 г. (год публикации - 2023)

7. Протасов М.И. Качество рассеянных волн и скоростной модели при построении дифракционных изображений ИНТЕРЭКСПО ГЕО-СИБИРЬ, Том: 2 Номер: 3 Страницы: 246-251 (год публикации - 2023)
10.33764/2618-981X-2023-2-3-246-251

8. Протасов М.И., Кенжин Р.М., Павловский Е.Н. Трёхмерная сейсмическая инверсия для реконструкции модели трещин на основе машинного обучения ГеоМодель-2023, «Геомодель 2023» - 25-я юбилейная научно-практическая конференция по вопросам геологоразведки и разработки месторождений нефти и газа, Россия, Геленджик 4 - 7 сентября 2023 г. (год публикации - 2023)

9. Протасов М.И. Построение дифракционных изображений после предварительного выделения рассеянной компоненты волнового поля в области сейсмических данных Санкт-Петербург 2023, Сборник материалов 10-й юбилейной научно-практической конференции. Cанкт-Петербург 2023, 2023. С. 311-314. (год публикации - 2023)

10. Протасов М.И., Кенжин Р.М., Павловский Е.Н. Восстановление модели трещин на основе машинного обучения и трёхмерного свёрточного моделирования Интеллектуальный анализ д анных в нефтегазовой отрасли 2023, «Интеллектуальный анализ данных в нефтегазовой отрасли» Федеральная территория «Сириус», Россия, 20–22 сентября 2023 г. (год публикации - 2023)

Аннотация результатов, полученных в 2024 году
1. Разработан вычислительно-эффективный алгоритм уточнения скоростей миграции, основанный на использовании динамической информации мигрированных изображений в глубинной области, т.е. алгоритм итерационного применения глубинной миграции и сейсмической инверсии. При этом в результате численного исследования на реалистичных синтетических моделях и данных установлено, что оптимальным алгоритмом сейсмической инверсии, позволяющим наиболее эффективно и качественно решить задачу уточнения скоростной модели, является сейсмическая инверсия с ограничениями. А алгоритм построения сейсмических изображений с использованием Гауссовых пучков, позволяет построить достаточно качественное изображение для последующего применения сейсмической инверсии. Результаты тестирования разработанного алгоритма уточнения скоростей на синтетических данных, посчитанных для реалистичных моделей сред, а также на реальных сейсмических данных показывают, что разработанный итерационный алгоритм миграции и инверсии для случая с известной плотностью, способен восстанавливать макро-скоростную модели среды даже тогда, когда начальная модель далека от истинной. В случае неизвестной плотности итерационный алгоритм способен сделать только один шаг и остановиться на уточнённой глубинной модели акустического импеданса. Для использования возможностей итерационного уточнения макро-скоростной модели при отсутствии необходимых частот в начальной модели необходимо привлекать дополнительную информацию о плотности. 2. Разработан эффективный алгоритм выделения и улучшения рассеянных волн в сейсмических данных, позволяющий получить достаточно качественные дифракционные изображения по рассеянным волнам. Алгоритм основан на использовании предварительно рассчитанных годографов возможных рассеянных волн для оценки кинематических параметров, и оператор-ориентированном суммировании сейсмических данных. На простых и реалистичных наборах данных исследование показывает, что предложенная доработанная версия алгоритма на основе оператор-ориентированного подхода в области данных усиливает амплитуды рассеянных волн, порождённых в целевой области, и при этом обеспечивает достаточно точную аппроксимацию этих волн. Результаты применения разработанного алгоритма для построения дифракционных изображений демонстрируют, что он позволяет получать дифракционные изображения качественно достаточно близкие к дифракционным изображениям, полученным по идеально выделенным рассеянным волнам. 3. Разработан алгоритм трёхмерной сейсмической инверсии на основе машинного обучения с применением нейронных сетей с использованием трёхмерного свёрточного моделирования в глубинной области, который позволяет получить удовлетворительную модель плотности распределения трещин по реальным сейсмическим данным. Разработана технология создания оптимальной обучающей выборки, основанная на использовании: азимутальных дифракционных изображений, их топологического анализа, построения вероятных моделей дискретной сети трещин и соответствующих моделей плотности распределения трещин, а также построения идеальных дифракционных изображений и их атрибутов. Созданный на основе этой технологии, обучающий набор позволил обучить нейронную сеть так, что получился удовлетворительный результат восстановления модели плотности распределения трещин, полученной по дифракционным изображениям, построенным по реальным сейсмическим данным. 4. Разработана технология обработки рассеянной компоненты в сейсмических данных, а именно проработана оптимальная технологическая цепочка использования разработанных алгоритмов, позволяющие построить наиболее качественные дифракционные изображения и получить наиболее качественную реконструкцию модели трещин для различных входных сейсмических данных. Оптимальная технологическая цепочка состоит из следующих шагов, включающих разработанные алгоритмы. 1) Сопровождение обработки с целью сохранения рассеянной компоненты и оценка её сохранности с использованием алгоритма спектрального удаления отражённой компоненты на суммарных разрезах и разработанного объектно-ориентированного алгоритма построения дифракционных изображений во временной области. 2) Выделение и усиление амплитуд рассеянных волн в сейсмических данных. Частично этот этап можно реализовать с использованием разработанного объектно-ориентированного алгоритма выделения рассеянных волн. 3) Оценка качества и уточнение глубинно-скоростной модели с использованием объектно-ориентированного алгоритма построения дифракционных изображений для различных углов наклона и азимутальных углов. При необходимости уточнение скоростной модели с использованием томографии отражённых волн, а в случае сложноустроенной среды использовать полно-волновое обращение. В перспективе в качестве альтернативы дорогостоящему полно-волновому обращению можно использовать разработанный вычислительно-эффективный алгоритм миграции-инверсии. 4) Построение дифракционных изображений. В зависимости от имеющейся модели и данных применить наиболее подходящий алгоритм из разработанных вариантов: а) асимметричное суммирование во временной области в случае временной обработки при сохранности рассеянной компоненты в данных; б) временную миграцию с последующей спектральной фильтрацией в случае частичного подавления рассеянных волн при обработке данных; в) асимметричное суммирование в глубинной области в случае глубинной обработки при сохранности рассеянной компоненты в данных, а также достаточной гладкости глубинно-скоростной модели; г) глубинная миграция с последующей спектральной фильтрацией в случае частичного подавления рассеянных волн при обработке данных, а также в случае сложно-устроенной глубинно-скоростной модели. 5) Обработка дифракционного изображения. В случае, если дифракционное изображений содержит зону крупных трещин, применить технологию создания обучающей выборки для алгоритма трёхмерной сейсмической инверсии на основе машинного обучения и применить этот алгоритм. При обработке данных морской 3D сейсморазведки показано, что такая технология позволяет получить удовлетворительный, геологически корректный результат, а именно, локализована и охарактеризована зона крупных трещин. При обработке данных наземной 3D сейсморазведки показано, что такая технология позволяет получить удовлетворительное дифракционное изображение, подтверждающее наличие и расположение зон разломов и рифовых построек. 5. Опубликованы 15 работ: из них 15 – РИНЦ, 3 – SCOPUS и WOS. Из них 6 – это статьи в рецензируемых журналах, и 9 – это расширенные рецензируемые тезисы конференций.

Публикации

1. Неклюдов Д.А., Протасов М.И. Frequency Dependent Rays of qP-Waves in 3D Weak Tilted Transversely Isotropic (TTI) Media Lecture Notes in Computer Science, vol. 14813. p. 268–282. (год публикации - 2024)
10.1007/978-3-031-64605-8_19

2. Протасов М.И., Кенжин Р.М., Павловский Е.Н. 3D Seismic Inversion for Fracture Model Reconstruction Based on Machine Learning Lecture Notes in Computer Science, vol. 14389, p. 105-117. (год публикации - 2023)
10.1007/978-3-031-49435-2_8

3. Протасов М.И. Объектно-ориентированный алгоритм выделение рассеянной компоненты волнового поля в области сейсмических данных Материалы 11-й геолого-геофизической конференции «Санкт-Петербург 2024. Геонауки: современные вызовы и пути решений» , Материалы 11-й геолого-геофизической конференции «Санкт-Петербург 2024. Геонауки: современные вызовы и пути решений» (год публикации - 2024)

4. Протасов М.И., Кенжин Р.М., Павловский Е.Н. Восстановление модели трещин на основе машинного обучения и трёхмерного свёрточного моделирования Материалы 11-й геолого-геофизической конференции «Санкт-Петербург 2024. Геонауки: современные вызовы и пути решений», Материалы 11-й геолого-геофизической конференции «Санкт-Петербург 2024. Геонауки: современные вызовы и пути решений» (год публикации - 2024)

5. Протасов М.И., Кенжин Р.М., Павловский Е.Н. Машинное обучение для восстановления модели плотности распределения трещин по дифракционным сейсмическим изображениям Материалы конференции "Интеллектуальный анализ данных в нефтегазовой отрасли 2024", Материалы конференции "Интеллектуальный анализ данных в нефтегазовой отрасли 2024" (год публикации - 2024)

6. Д.К. Дмитрачков, М.И. Протасов Исследование применимости итерационного алгоритма совместной акустической инверсии и глубинной миграции для восстановления параметров упругой среды Материалы конференции «Геомодель 2024» , Материалы конференции «Геомодель 2024» (год публикации - 2024)

7. Протасов М.И., Кенжин Р.М., Павловский Е.Н. Восстановление модели плотности распределения трещин на основе машинного обучения и трёхмерного свёрточного моделирования: применение к реальным данным Материалы конференции «Геомодель 2024» , Материалы конференции «Геомодель 2024» (год публикации - 2024)

8. Неклюдов Д.А., Протасов М.И. Моделирование волновых полей квази-продольных волн в трехмерных анизотропных (TTI) средах с помощью частотнозависимых лучей Ломакса Сериальное издание: Интерэкспо ГЕО-Сибирь - XX Международный научный конгресс. Международная научная конференция "Недропользование. Горное дело. Направления и технологии поиска, разведки и разработки месторождений полезных ископаемых. Экономика. Геоэкология": Сборник материалов в 8 т. Издатель: СГУГиТ , Место издания: Новосибирск, Выпуск: 2 , Том: Т. 2, Страницы: 232-239 (год публикации - 2024)
10.33764/2618-981X-2024-2-2-232-239

9. Д.К. Дмитрачков, М.И. Протасов Анализ возможностей итерационного алгоритма совместной акустической инверсии и глубинной миграции для восстановления параметров упругой среды Сериальное издание: Интерэкспо ГЕО-Сибирь - XX Международный научный конгресс. Международная научная конференция "Недропользование. Горное дело. Направления и технологии поиска, разведки и разработки месторождений полезных ископаемых. Экономика. Геоэкология": Сборник материалов в 8 т. Издатель: СГУГиТ , Место издания: Новосибирск, Выпуск: 4 , Том: Т. 2 , Страницы: 61-65 (год публикации - 2024)
DOI 10.33764/2618-981X-2024-2-4-61-65

10. Протасов М.И., Сорокин А.С., Хуснитдинов Р.Р., Фагерева В.А. Влияние графа обработки сейсмических данных на качество изображений построенным по рассеянным волнам Сериальное издание: Интерэкспо ГЕО-Сибирь - XX Международный научный конгресс. Международная научная конференция "Недропользование. Горное дело. Направления и технологии поиска, разведки и разработки месторождений полезных ископаемых. Экономика. Геоэкология": Сборник материалов в 8 т. Издатель: СГУГиТ , Место издания: Новосибирск, Выпуск: 4 , Том: Т. 2 , Страницы: 66-71 (год публикации - 2024)
10.33764/2618-981X-2024-2-4-66-71

11. Протасов М.И. Теоретические и практические аспекты обработки рассеянных волн в сейсмических данных СЕЙСМОРАЗВЕДКА В СИБИРИ И ЗА ЕЁ ПРЕДЕЛАМИ Материалы научно-практической конференции. Красноярск, 2024 Издательство: Сибирский федеральный университет, СЕЙСМОРАЗВЕДКА В СИБИРИ И ЗА ЕЁ ПРЕДЕЛАМИ Материалы научно-практической конференции. Красноярск, 2024, Страницы: 118-121 (год публикации - 2024)

12. Протасов М.И. Asymptotic Full Wave-Form Inversion in the Image Domain Lecture Notes in Computer Science, vol. 14813, p.255–267. (год публикации - 2024)
10.1007/978-3-031-64605-8_18

13. Протасов М.И., Кенжин Р.М., Павловский Е.Н. Трехмерная сейсмическая инверсия с использованием машинного обучения для восстановления плотности распределения трещин: апробация на реальных данных ГЕОФИЗИКА, № 4. – С. 25-31. (год публикации - 2024)
10.34926/geo.2024.31.24.003

14. Дмитрачков Д.К., Протасов М.И. Итерационный алгоритм совместной акустической инверсии и глубинной миграции для восстановления параметров упругой среды ГЕОФИЗИКА, № 3. – С. 12-20 (год публикации - 2024)
10.34926/geo.2024.45.75.002

15. Неклюдов Д.А., Протасов М.И. Частотно-зависимые лучи Ломакса для квазипродольных волн в трехмерных трансверсально-изотропных средах с наклонной осью симметрии Геофизические технологии, №2, с.40-54. (год публикации - 2024)
10.18303/2619-1563-2024-2-40

Возможность практического использования результатов
Результаты проекта можно и нужно использовать в нефтегазовой отрасли. В результате работы над проектом созданы технологии и алгоритмы для картирования и характеризации зон трещиноватости по сейсмическим данным. Во-первых, на этапе разведки и поиска разработанные алгоритмы и технологии позволяют находить зоны трещиноватости, связанные с наличием углеводородов, что позволяет пополнять разведанные запасы, и соответственно, улучшать экономические показатели как отдельных компаний Российской Федерации, так и нефтегазовой отрасли в целом. Во-вторых, при разработке трещиноватых коллекторов очень важно понимать, как устроен коллектор в межскважинном пространстве, и в этом случае разработанные алгоритмы и технологии позволяют детализировать описание коллектора в межскважинном пространстве, что должно приводить к оптимизации разработки таких коллекторов, и соответственно сокращению издержек, уменьшению рисков, в том числе экологических, и соответственно улучшению показателей экономической деятельности, как компаний пользователей недр, так и нефтегазовой отрасли России в целом.