Geofysiker Aina Juell Bugge utvikler algoritmer som kan tolke seismiske data. Foto: Lundin Energy Norway
Tekst og bilder: Lundin Energy Norway (kilde)
Seismiske data genereres ved å sende trykkbølger ned i bakken. Når bølgene treffer ulike geologiske lag reflekteres de tilbake til overflaten der de registreres av sensorer. Men før dette blir bilder og informasjon som kan nyttiggjøres i letearbeid eller reservoarforståelse, må det gjøres et formidabelt arbeid med dataene.
-Dette arbeidet tar lang tid og krever mange manuelle prosesser. Nå tar vi i bruk algoritmer som gjør at datamaskiner kan ta seg av en del av denne jobben, sier Aina Juell Bugge, geofysiker i Lundin Energy Norways GeoLab.
-De innsamlede dataene inneholder mye av det vi kaller ‘støy’ og ‘multipler’. Signalene har gjerne gått flere tusen meter ned i bakken og opp igjen, så vi kan ikke forvente krystallklare bilder fra dataene, forklarer Bugge.
– Men gjennom prosesseringen kan de bli ganske mye bedre enn utgangspunktet. For å automatisere disse prosessene har GeoLaben blant annet brukt digitale verktøy fra bildebehandling, signalbehandling og maskinlæring.
-Maskinlæring er ikke noe nytt. Maskinlæringsalgoritmer har eksistert i flere tiår, og brukes blant annet mye innen bildebehandling og medisinsk avbildning.
Hun påpeker at det som er nytt nå er at vi har tilgang på digitale verktøy som gjør maskinlæring mer brukervennlig, også for oss geologer og geofysikere.
– I tillegg til langt kraftigere arbeidsstasjoner og data som er godt egnet til å anvende maskinlæring på – som for eksempel seismisk data, sier Bugge.
Den typen maskinlæring GeoLaben har særlig benyttet seg av er den samme teknologien som kan brukes for eksempel til å sette farger på sort-hvitt-bilder, blant annet sett i Peter Jacksons dokumentarfilm «They shall not grow old».
Først trener man opp en maskinlæringsalgoritme på parvise treningsbilder med henholdsvis fargebilder og svart/hvitt-bilder. Når algoritmen har lært hva som er gjort med disse bildeparene kan man gå over til ubehandlete bilder.
Og den samme teknologien har GeoLaben benyttet på seismiske bilder. Ofte viser det seg at maskinlæringen kan utføre jobben mye raskere, og i tilfeller også bedre, enn konvensjonelle geofysiske metoder. Spesielt godt egner maskinlæringen seg til å ta vekk uønsket energi, som støy, multipler og artefakter i seismikken, i tillegg til å gjenkjenne enkelte geologiske strukturer, som forkastninger.
I tiden fremover vil vi forhåpentligvis kunne bruke denne teknologien til å identifisere enda mer komplekse geologiske strukturer i undergrunnen.
Bugge har tidligere holdt foredrag om dette arbeidet under DIGEX-konferansene.
DIGEX 2022 finner sted i Stavanger 6. og 7. april. Det er også mulig å se foredragene digitalt.
DIGEX is the conference on digitalization for the geoscience community and surrounding industries. At the conference, we look at how digital technology is enabling the oil & gas industry to change the way geoscientists work, across teams, companies and license partners.
