Til toppen

Intelligente datamaskiner behandler seismiske data

Utviklingen innen maskinlæring og kunstig intelligens går stadig raskere. I Lundins GeoLab utnytter vi teknologi som gjør maskiner i stand til å tolke og prosessere seismisk data raskere og bedre enn med de manuelle metodene som hittil er brukt. Ved benytte seg av maskinlæring så trenes algoritmer til å bli stadig flinkere i jobben – helt på egen hånd.

Seismisk 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.

Geofysiker Aina Juell Bugge utvikler algoritmer som kan tolke seismiske data.

-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 Lundins 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 bl.a. brukt digitale verktøy fra bildebehandling, signalbehandling og maskinlæring.

-Maskinlæring er ikke noe nytt, sier Bugge. -Maskinlæringsalgoritmer har eksistert i flere tiår, og brukes blant annet mye innen bildebehandling og medisinsk avbildning. Det som er nytt er at vi nå 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.

Kunstig intelligens er blant annet brukt til å legge farge på svart/hvit filmer og bilder, som her fra Peter Jacksons film «They shall not grow old».

Den typen maskinlæring GeoLaben har særlig benyttet seg av er den samme teknologien som kan brukes for eksempel til å sette farger på svart-/hvit-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/hvit-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.Eksempler på seismisk avbildning før og etter at Lundin Geolab har benyttet kunstig intelligens i tolkningsarbeidet.