Применение метода классификации Random Forest для решения задачи фациального районирования по данным сейсморазведки

Введение. Фациальное районирование по данным сейсморазведки является актуальной задачей динамического анализа. Современные подходы к решению этой задачи довольно многочисленны и используют различные алгоритмы. Наиболее распространенной методикой является кластеризация по форме отражения. Данная методика относится к классу задач обучения «без учителя», то есть кластеризация производится без учета априорной информации, выделение сейсмофаций основано на внутренней структуре данных, и ключевой особенностью являются различия волнового пакета внутри целевого интервала. Такой подход требует в дальнейшем увязки результатов кластеризации и геологической информации, что является его недостатком. Другим направлением решения данной задачи является применение алгоритмов обучения «с учителем». К данной категории относятся различные методы классификации, которые относятся к категории машинного обучения. Отличием данного направления от традиционных подходов сейсмофациального анализа является учет геологической информации на стадии вычислений.

Цель. В данной работе рассматриваются результаты исследования, выполненного с целью изучения фациального строения отложений тюменской свиты на группе месторождений в Ханты-Мансийском автономном округе. Тюменская свита характеризуется преобладанием русловых фаций, связанных с развитием сложных речных систем, которые отчетливо проявляются в динамических характеристиках волнового поля. Усложняющим фактором при изучении данных отложений выступает достаточно низкая изученность скважинными данными, что затрудняет геологическую интерпретацию получаемых результатов.

Материалы и методы. Для решения поставленной задачи авторами использован метод классификации Random Forest. Применение метода рассмотрено в рамках кластера, состоящего из трех сейсмических съемок, полученных в разное время. Для обучения использована экспертная разметка по площади на основании изучения распределения амплитуд вдоль отражающего горизонта.

Результаты. В результате выполненного исследования на значительной площади получена вероятностная оценка распространения русловых фаций, с которыми связана перспективность данного типа отложений на изучаемой территории. Таким образом, авторами была разработана методика, позволяющая получить оценку вероятности наличия определенной фации с использованием данных сейсморазведки.

Заключение. Выполненное исследование показывает возможность использования метода классификации Random Forest для решения задачи фациального районирования.

1. Breiman L. Random forests // Machine Learning. 2001, vol. 45, no. 1, pp. 5–32.

2. Буторин А.В., Зиннурова Р.Р., Митяев М.Ю., Онегов А.В., Шарифуллин И.Ф., Виноходов М.А. Оценка потенциала тюменской свиты в пределах Ноябрьского региона Западной Сибири // Нефтяное хозяйство. — 2015. — № 12. — С. 41–43.