A A A Ц Ц Ц Ц

ШРИФТ:

Arial Times New Roman

ИНТЕРВАЛ:

х1 х1.5 х2

КЕРНИНГ:

Обычный Средний Большой

ИЗОБРАЖЕНИЯ:

Черно-белые Цветные
Для слабовидящих Обычная версия
научно-технический и производственный журнал
ISSN 2079–3332 (print)
ISSN 3034-6835 (online)
основан в 2001 году

Использование искусственного интеллекта для документирования геомеханических характеристик керна разведочных скважин

Новости

Оригинальные статьи: 2026 г. № 1

Использование искусственного интеллекта для документирования геомеханических характеристик керна разведочных скважин

DOI: 10.56195/20793332-2026-26-1-4-12

Читать в pdf Д. В. Сидорова1, В. В. Хаустов2, В. А. Варнавский3, С. В. Донецкий1, А. И. Карнюшкин4
  1. ФГАОУ ВО «Белгородский государственный национальный исследовательский университет», г. Белгород, Российская Федерация
  2. ФГБОУ ВО «Национальный исследовательский Московский государственный строительный университет, г. Москва, Российская Федерация
  3. ООО «Краснотурьинск-Полиметалл», г. Краснотурьинск, Российская Федерация
  4. ФГАОУ ВО «Московский государственный технический университет имени М. Э. Баумана», г. Москва, Российская Федерация
стр. 4-12, №1/2026
Аннотация:
Рассматривается внедрение искусственного интеллекта в процессы документирования геомеханических характеристик керна разведочных скважин. Для анализа изображений кернов использовались нейронные сети и языковая модель ChatGPT-4о. Исследование проводилось на базе более 100 образцов керна с параллельным сравнением результатовискусственного интеллекта и экспертных оценок. Модель искусственного интеллекта демонстрирует высокую точность в идентификации цельных сегментов керна длиной свыше 10 см. Выявлена определенная проблематичность анализа зон с метасоматитами и интенсивной трещиноватостью, обусловленная сложностью распознавания малозаметных трещин и искусственных повреждений, а также ошибками в классификации горных пород при их визуальной схожести. Отмечена необходимость регулярного мониторинга и обновления модели для предотвращения деградации ее прогностических возможностей. Применение технологий искусственного интеллекта существенно снижает трудозатраты и ресурсы, необходимые для выявления основных геомеханических параметров керна, при этом подчеркивается важность тесного взаимодействия геомехаников и специалистов по программированию для создания стандартизованных и релевантных методов исследования. Интеграция искусственного интеллекта в процессы анализа керна способствует значительному повышению эффективности, точности и воспроизводимости геомеханической документации.
Ключевые слова:
искусственный интеллект, геомеханические характеристики, керн, нейронные сети, ChatGPT-4о, анализ изображений керна, трещиноватость пород, мультиспектральные данные, повышение контрастности изображений
Для цитирования:
Сидорова Д.В., Хаустов В.В., Варнавский В.А., Донецкий С.В., Карнюшкин А.И. Использование искусственного интеллекта для документирования геомеханических характеристик керна разведочных скважин. Маркшейдерия и недропользование. 2026;26(1):4-12. https://doi.org/10.56195/20793332-2026-26-1-4-12.
Информация об авторах:
  1. Дарья Витальевна Cидорова– аспирант, Белгородский государственный национальный исследовательский университет, г. Белгород, Российская Федерация; https://orcid. org/0009-0002-7683-1508; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.
  2. Владимир Васильевич Хаустов – доктор геолого-минералогических наук, доцент, Национальный исследовательский Московский государственный строительный университет, г. Москва, Российская Федерация; https://orcid. org/0000-0002-1895-7367; WoS Researcher ID: C-3838-2016; ScopusAuthor ID: 7003912446; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.
  3. Вячеслав Александрович Варнавский – геомеханик, ООО «КраснотурьинскПолиметалл», Свердловская область, г. Краснотурьинск,Российская Федерация; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.
  4. Сергей Владимирович Донецкий – кандидат технических наук, Белгородский государственный национальный исследовательский университет, г. Белгород, Российская Федерация; WoS Researcher ID: PCS-4483-2025; e-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.
  5. Александр Иванович Карнюшкин – кандидат технических наук, доцент, Московский государственный технический университет имени Н. Э. Баумана, г. Москва, Российская Федерация; https://orcid.org/00000001-5685-162Х, е-mail: Адрес электронной почты защищен от спам-ботов. Для просмотра адреса в браузере должен быть включен Javascript.
Список литературы:
  1. 1. Абзалов М.З. Прикладная рудничная геология. Москва, 2016: 451. Abzalov M.Z. Applied mine geology. Moscow, 2016: 451. (In Russ.).
  2. 2. Киряева Т.А., Попов С.Е., Потапов В.П. Нейронные сети в задачах геомеханики, возможности применения, методы оценки. Вестник Научного центра ВостНИИ по промышленной и экологической безопасности. 2024; 4: 36-49. https://doi.org/10.25558/VOSTNII.2024.58.64.004. Kiryaeva T.A., Popov S.E., Potapov V.P. Neural networks in geomechanics problems, application possibilities, evaluation methods. Bulletin of the Scientific Center of the Eastern Research Institute for Industrial and Environmental Safety. 2024; 4: 36-49. (In Russ.). https://doi.org/10.25558/ VOSTNII.2024.58.64.004.
  3. 3. Хисамов Р.С., Бачков А.П., Войтович С.Е. и др. Искусственный интеллект – важный инструмент современного геолога. Геология нефтии газа. 2021; 2: 37-45. https://doi.org/10.31087/0016-7894-2021-2-37-45. Khisamov R.S., Bachkov A.P., Voitovich S.E. Artificial intelligence is an important tool of the modern geologist. Geology of oil and gas. 2021; 2:37-45. (In Russ.). https://doi.org/10.31087/0016-7894-2021-2-37-45.
  4. 4. Краснов Ф.В., Буторин А.В., Ситников А.Н. Автоматизированное обнаружение геологических объектов в изображениях сейсмического поля с применением нейронных сетей глубокого обучения. Бизнес-информатика. 2018; 2 (44): 7-15. Krasnov F.V., Butorin A.V., Sitnikov A.N. Automated detection of geological objects in seismic field images using deep learning neural networks. Business Informatics. 2018;2(44):7-15. (In Russ.).
  5. 5. Нагайцев М.В. Применение нейросетевых и прогностических моделей искусственного интеллекта при проведении геологоразведочных работ. Понизовье, 2024: 124. Nagaytsev M.V. Application of neural network and predictive artificial intelligence models in geological exploration. Ponizovye, 2024: 124. (In Russ.).
  6. 6. Патук М.И., Наумова В.В. Методы искусственного интеллекта для научных исследований в геологии. Электронные библиотеки. 2023; 26 (5): 673-696. https://doi.org/10.26907/1562-5419-2023-26-5-673-696. Patuk M.I., Naumova V.V. Artificial intelligence methods for scientific research in geology. Electronic libraries. 2023; 26 (5): 673-696. (InRuss.). https://doi.org/10.26907/1562-5419-2023-26-5-673-696.
  7. 7. Краснов Д.И. Модули внимания в сверточных нейронных сетях для распознавания малоразмерных объектов. Компьютерная оптика. 2024; 48 (6): 963-967. https://doi.org/10.18287/2412-6179-CO-1468. Krasnov D.I. Attention modules in convolutional neural networks for small-scale object recognition. Computer Optics. 2024; 48 (6): 963-967. (In Russ.). https://doi.org/10.18287/2412-6179-CO-1468.
  8. 8. Шагарова Л. В. Языковая модель ChatGPT и данные дистанционного зондирования Sentinel платформы Google Earth Engine на примере Омской области. Всероссийская конференция, посвященная Дню радио «Радиоэлектронные устройства и системы для инфокоммуникационных технологий» (РЭУС-ИТ – 2024): Доклады. Москва, 31 мая 2024 года. Москва, 2024: 83-87. Shagarova L.V. The ChatGPT language model and Sentinel remote sensing data from the Google Earth Engine platform: a case study of the Omsk region. All-Russian Conference dedicated to Radio Day «Radioelectronic Devices and Systems for In communication Technologies» (REUS-IT 2024): Reports, Moscow, May 31, 2024. Moscow: 2024; 83-87. (In Russ.).
  9. 9. Kim T., Yun T.S., Suh H.S. Can ChatGPT implement finite element models for geotechnical engineering applications? International Journal for Numerical and Analytical Methods in Geomechanics. 2025; 49 (6): 1747-1766. https://doi.org/10.48550/arXiv.2501.02199.
  10. 10. Saadati G., Javankhoshdel S., Mohebbi Najm Abad J, et al. AI-Powered Geotechnics: Enhancing Rock Mass Classification for Safer Engineering Practices. Rock Mechanics and Rock Engineering. 2024; 58 (10): 11319-11349. https://doi.org/10.1007/s00603-024-04189-7.
  11. 11. Bekele Y.W., GeoSim. AI: AI assistants for numerical simulations in geomechanics. АrXiv. 2025: 13. https://doi.org/10.48550/arXiv.2501.14186.
  12. 12. Bahrami Y., Hassani H. Optimization of machine learning algorithms for remote alteration mapping. Advancesin Space Research. 2024; 74 (4):1609-1632. https://doi.org/10.1016/j.asr.2024.05.045.
  13. 13. Гришков Г.А., Устинов С.А., Нафигин И.О. и др. Нейронные сети и возможности их применения для анализа пространственных геологических данных. XV Международная научно-практическая конференция «Развитие новых идей и тенденций в науках о Земле: инновационные технологии геологической разведки, горного и нефтегазового дела, бурение скважин, математическое моделирование и разведочная геофизика»: материалы. Москва, 2021. Москва: 2021; 33-36. Grishkov G.A., Ustinov S.A., Nafigin I.O., еt al. Neural networks and their application in spatial geological data analysis. XV International Scientific and Practical Conference “Development of New Ideas and Trends in Geosciences: Innovative Technologies in Geological Exploration, Mining, Oil and Gas, Well Drilling, Mathematical Modeling, and Exploration Geophysics”: proceedings. Moscow: S. Ordzhonikidze Russian State Geological Survey University, 2021. Moscow: 2021; 33-36. (In Russ.).
  14. 14. Caelen O., Blete M.-A. Developing Apps with GPT-4 and ChatGPT: Build Intelligent Chatbots, Content Generators, and More. O’Reilly, 2023:157.
  15. 15. Alto V. Modern Generative AI with ChatGPT and OpenAI Models: Leverage the capabilities of OpenAI’s LLM for productivity and innovation with GPT3 and GPT4. Packt Publishing. 2023: 285.

 

Теплоэнергетика России 2026

Новые материалы