Skoltech的研究团队提出了一个模型，旨在促进油井开发的规划阶段。该模型将有助于获取关于井的重要数据-例如，该模型可以将潜在的井与附近已经运营的井进行比较，以预测其产油性能并改进井的钻探。该研究收录于《IEEE地球科学与遥感信函》杂志。

油气井的开发可以分为三个阶段——油田发现、评估和开发。评估阶段涵盖了油储量和分布等内容。这个阶段涉及钻探勘探井并探测一些指标：层位放射性、地下水运动性等。之后，这些信息有助于做出与井开发相关的决策。

如今，油田评估所得到的是一堆零散的数据，却没有人知道如何利用它们。我们的研究旨在基于这些数据构建一个模型，它将产生一个数学表示——一个完全描述井的向量，"斯科尔科技(Skoltech)的研究工程师亚历山大·马鲁索夫(Alexander Marusov)评价道。

模型返回的向量以压缩格式包含有关井的有用信息。除了预测其特性之外，该模型还将有助于解决钻井方向错误的问题。在深入到该层时，将钻井限制在同一种岩石类型中非常重要。否则，您将不得不再次以不同的方向进行钻井，而这将非常昂贵。

"我们的模型将有助于确定岩石类型并调整钻探工作。在我们的模型中，对岩石类型的预测准确率达到了82%，而此前最好的结果只有59%。马鲁索夫补充道：我们的模型将促进油井开发中的决策制定。”

这个模型是通过自监督学习进行训练的。它与传统的机器学习方法不同，传统方法需要标记好的数据。而自监督学习则不使用这些标签。举个例子，一种探测器可以在勘探井中记录辐射或其他地球物理信号。自监督学习利用这些原始数据，而不依赖于任何标签。

"自我监督学习方法可以分为对比和非对比两种。我们采用了后者的方法，该方法处理的是一对相似对象，例如来自同一口井的信号间隔，" 研究人员澄清道。