ПРОГНОЗ ГЛУБИННОЙ ТЕМПЕРАТУРЫ ПО ДАННЫМ МАГНИТОТЕЛЛУРИЧЕСКИХ ЗОНДИРОВАНИЙ

Abstract

В работе предложен метод высокоточной оценки температуры земных недр по данным магнитотеллурических зондирований и измерениям температуры в скважинах. Он является модификацией предложенной ранее нейросетевой схемы и основан на использовании алгоритма поэтапного рекурсивного прогноза. При этом на каждом этапе искусственная нейросеть обучается не только на исходных данных, как это было ранее в рамках так называемого прямого прогноза, но и на прогнозных данных, полученных на предыдущих шагах. На примере данных из заброшенного нефтяного поля в районе Сульц-су-Форе (Франция) проведена оценка точности прогнозов с использованием обоих алгоритмов. Точность прямого прогноза существенно зависит от целевой глубины и резко снижается, когда она превышает удвоенную глубину скважины. В то же время, тестирование рекурсивного алгоритма показало, что его использование позволяет делать прогноз температуры на большие глубины с высокой точностью, практически не зависящей от целевой глубины. С помощью предложенного подхода выполнены прогнозы температуры на глубину 5 км по результатам профильного магнитотеллурического зондирования, проведенного в окрестности заброшенных нефтяных скважин, и построена 2D-модель температуры вдоль этого профиля. Ее анализ показал, что на глубине примерно 2 км в центральной части разреза проходит изотерма 200 °С, что могло бы оправдать разведочное бурение для разработки петротермальных ресурсов на этих глубинах. This paper proposes a method for highly accurate estimating subsurface temperature using magnetotelluric sounding data and borehole temperature measurements. It is a modification of previously proposed neural network scheme and is based on a stepwise recursive forecasting algorithm. At each step, the artificial neural network is trained not only on the initial data, as was previously done in the so-called “direct forecast,” but also on the forecast data obtained in the preceding steps. Using data from an abandoned oil field in the Soultz-sous-Forêts region of France, the forecast accuracy of both algorithms is assessed. The accuracy of the direct forecast depends significantly on the target depth and decreases sharply when it exceeds twice the well depth. However, testing of the recursive algorithm demonstrated that its use enables temperature forecasting at greater depths with high accuracy, virtually independent of the target depth. Using the proposed approach, temperature predictions were made to a depth of 5 km based on magnetotelluric profile soundings conducted in the vicinity of abandoned oil wells, and a 2D temperature model was constructed along this profile. Analysis of this model revealed a 200°C isotherm at a depth of approximately 2 km in the central part of the section, which could justify exploratory drilling to develop petrothermal resources at these depths.