APPLICATION OF MACHINE LEARNING METHODS AND NEURAL NETWORKS IN THE OBJECTIVES OF LITHOFACIES MAPPING AND RESERVOIR PROPERTIES ASSESSMENT: ANALYSIS AND SELECTION OF METHODS

Авторы:

Abetov, A.E. (Первый автор)

Seitzhanov A.K. (Соавтор)

Samenov Y.R. (Соавтор)

Издательство:

ANAS Transactions, Earth Sciences

Дата издания

01.01.2025

На каком языке издана

Английский язык

ISSN

2218-8754

Область исследования

Инжиниринг и технологии

Тип исследования

Прикладное

Аннотация (краткое описание)

The paper discusses the application of artificial intelligence (AI) methods to address challenges in lithofacies mapping and the assessment of reservoir properties. The choice of an AI method depends on the nature of the data, objectives of the study (such as classification, regression, clustering, or image segmentation), and requirements on the final interpretation and modeling results. An analysis of various machine learning (ML) algorithms including the support vector machine (SVM), random forest (RF), neural networks, etc. were conducted. Evaluated effectiveness of each method was evaluated on the basis of open-source data and geological datasets. Advantages and disadvantages of these methods were analyzed and factors influencing on the selection of an appropriate AI method were identified. Classification of geological problems and corresponding AI methods, encompassing SVM, RF, linear and polynomial regression, k-means clustering, hierarchical clustering, and convolutional neural networks (CNN) were presented. The article also introduces open-source ML platforms such as TensorFlow, PyTorch, and Keras along with factors influencing on the selection of the optimal AI method for lithofacies analysis and reservoir property assessment. Recommendations to select the most suitable AI methods for specific objectives were provided. The importance of data volume and quality in selection of AI method and prevention of model overfitting was emphasized. © 2025 Earth Science Division, Azerbaijan National Academy of Sciences. All rights reserved.

Соответствие целям устойчивого развития (ЦУР)

9. 

Индустриализация, инновации и инфраструктура

12. 

Ответственное потребление и производство

URI

https://www.scopus.com/pages/publications/105010879996?origin=resultslist

DOI

10.33677/ggianas20250100140

Тип публикаций

Статья

Практическое значение

Практическое значение статьи заключается в возможности использования методов машинного обучения и нейронных сетей для повышения точности картирования литофаций, оценки коллекторских свойств и интерпретации геолого-геофизических данных. Полученные результаты могут применяться при построении геологических моделей, прогнозировании распределения продуктивных пластов, выборе эффективных алгоритмов анализа данных и оптимизации решений в нефтегазовой геологии. Рекомендации по выбору методов позволяют повысить достоверность оценки резервуаров и эффективность дальнейших поисково-разведочных работ

Квартиль

Q3

Источник квартиля

JCR (WoS)

Impact Factor

0

Количество цитирований

1

Данный документ располагается в коллекциях

Международные публикации ученых SU

Scopus

Файлы документа

APPLICATION OF MACHINE LEARNING METHODS AND NEURAL NETWORKS IN THE OBJECTIVES OF LITHOFACIES MAPPING AND RESERVOIR PROPERTIES ASSESSMENT ANALYSIS AND SELECTION OF METHODS.pdf