Результаты современных научных исследований и разработок 301

УДК 550.8

О ПРИМЕНЕНИИ ЯЗЫКА ПРОГРАММИРОВАНИЯ

«PYTHON» В ГЕОФИЗИКЕ
Саитгалеев Малик Маратович,
Соколова Юлия Андреевна
Студенты
ФГБОУ ВО «Санкт-Петербургский горный университет»

Научный руководитель: СенчинаНаталия Петровна

к.г.-.м.н, доцент
ФГБОУ ВО «Санкт-Петербургский горный университет»

Аннотация: в настоящее время применение языков программирования имеет острую востребован-

ность в разных сферах деятельности, не исключение и геофизика. В связи с усложнением условий по-
исков, добычи и разведки полезных ископаемы, необходимо усовершенствовать программные ком-
плексы. Язык программирования Python, благодаря общедоступности, открытости и достаточной про-
стоте использования, способен значительно упростить и актуализировать решения непростых геологи-
ческих и геофизических задач.
Ключевые слова: язык программирования, Python, геофизика, геофизические исследования скважин,
геоинформационные системы, нейронные сети.

APPLICATION OF THE «PYTHON» PROGRAMMING LANGUAGE IN GEOPHYSICS

Saitgaleev Malik Maratovich,

Sokolova Julia Andreevna

Scientific adviser: Senvchina Natalia Petrovna

Abstract: Nowadays, the usage of programming languages is in great demand in different spheres of activity,
and geophysics is not an exception. Due to complication of conditions of prospecting, extraction and explora-
tion of minerals, it is necessary to improve software complexes. Programming language Python, by its acces-
sibility, openness and sufficient ease of use, is able to significantly simplify and update the solutions of com-
plex geological and geophysical problems.
Key words: programming language, Python, geophysics, geophysical well investigations, geoinformation sys-
tems, neural networks.

В современном мире возникает острая необходимость в поисках и открытии новых месторожде-

ний полезных ископаемых. Для решения таких вопросов требуется специальное программное обеспе-
чение, которое из-за усложнения условий нуждается в постоянном обновлении и своевременной актуа-
лизации. Вследствие увеличения количества получаемой информации, визуализация, обработка и
дальнейшая интерпретация занимает гораздо большее время, а требования к качеству результатов
возрастают.
В связи с этим необходимо разобрать, какие существуют на данный момент способы и средства
решения данной проблемы. Одним из таких инструментов является применение языков программиро-
вания. Многие производители программного обеспечения (ПО) дают возможность пользователям са-
www.naukaip.ru
 302 Результаты современных научных исследований и разработок
мостоятельно добавлять дополнительные модули для решения конкретных задач.
Язык программирования Python начал свое развитие в 1980х годах. До сих пор продолжается ак-
тивное обновление и усовершенствование языка, при этом сохраняется легкая читаемость и общедо-
ступность. Помимо этого, в открытом доступе имеется обширная база библиотек, позволяющих рабо-
тать практически во всех сферах деятельности.
Рассмотрим возможности применения языка программирования Python в геофизике.
Одной из задач, выполняемых с помощью Python, является визуализация и обработка данных.
Таким образом, язык используется для просмотра и обработки геофизических файлов в формате
SEGY. Данный формат является стандартным для хранения геофизических, в частности, сейсморазве-
дочных данных. Такие файлы невозможно использовать в работе без специализированного ПО.
Реализовать задачу визуализации и считывания файлов формата SEGY можно с помощью биб-
лиотеки – obspy. Также есть возможность применения языка для обработки существующих файлов.

Рис.1 . График зависимости амплитуды сигнала от времени в миллисекундах визуализирован-

ный при помощи Python [1]

В программе Oasis montaj при помощи Python можно создавать свои, необходимые для работы,
модули. Например, создание модуля полной первичной обработки данных магниторазведки.
Использовать Python можно и для визуализации кривых ГИС (геофизических исследований сква-
жин). Кривые записываются в LAS файлы, которые представляют собой текстовый документ. Такие
файлы создаются по определенному стандарту и содержат дискретные значения каротажных кривых,
записанные с определенным шагом по глубине в процессе проведения геофизических исследований
скважин.
Для просмотра и обработки кривых ГИС существует много специализированных программ, кото-
рые зачастую находятся в коммерческом доступе. А язык программирования Python предоставляет
возможность просмотра и даже обработки LAS файлов бесплатно. С помощью библиотеки Lasio можно
обрабатывать, создавать, записывать и даже экспортировать LAS файлы в другие форматы таблично-
го типа. Используя данную библиотеку, можно также сделать некоторые прогнозы, выполнить некото-
рые расчеты, например, коэффициента пористости и др. [2]
Есть еще один вариант применения языка программирования Python в геофизических исследо-
ваниях скважин – для интерпретации данных ГИС. Осуществление данных операций возможно с спе-
циальной программы Gintel. Данное ПО является очень удобным и распространенным в области каро-
тажных исследований. Программа обеспечивает достаточно эффективную массовую обработку и ин-
терпретацию данных ГИС в открытом стволе скважины при решении огромного количества геологиче-
ских задач поисков, разведки и разработки месторождений нефти и газа. В этот пакет встроен рассмат-
риваемый язык программирования Python. При помощи него, можно дополнять исходную программу,
дописывая собственные расширенные и уникальные модули для решения широкого спектра задач.
Обычно такие задачи требуют сложных матричных вычислений, с которыми данный язык справляется
достаточно эффективно и быстро.

XI всероссийская научно-практическая конференция | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ»

 Результаты современных научных исследований и разработок 303

Рис. 2 .Интеграция Gintel с ROXAR RMS при помощи плагина на языке Python. По данным Gintel
была построена трехмерная модель в ROXAR RMS напрямую. [3]

Так же существуют ГИС-программы (Геоинформационные системы), которые предоставляют

средства выбора и просмотра наборов разнообразных геоданных, их редактирование, создание раз-
личных макетов, работу с графиками и диаграммами. Python, в свою очередь, позволяет возможность
написания различных скриптов, нацеленных на различные задачи, как например задача получения
данных из растровых изображений, по некоторому набору значений, что в свою очередь необходимо
при количественной оценке точности изображений, подготовка тренировочных наборов для обучения
нейронных сетей, построение спектральных профилей и многое другое.
Существует программный комплекс ArcGIS, который представляет собой полную систему, позво-
ляющую собирать, организовывать, управлять, анализировать, обмениваться и распределять геогра-
фическую, геологическую и геофизическую информацию. В данной области Python используется в ка-
честве одного из языков для написания скриптов, которые в свою очередь содержат процессы геооб-
работки. С каждым годом круг решаемых задач с помощью Python продолжает расширяться. Для ис-
пользования языка в пакете ArcGIS используется специализированный модуль ArcPy – это пакет сайта
Python, который обеспечивает успешный и продуктивный анализ географических данных, конвертацию
данных, управление данными и автоматизацию карт в Python. Использование данного модуля имеет
огромные преимущества разработки дополнительных модулей, которые могут обладать свойствами и
мощью крупных программных комплексов. [4]
Рассмотрим еще один достаточно важный пример применения языка программирования. Очень
важную роль во взаимосвязи геофизики и Python’а играет непосредственно разработка нейронных се-
тей (НС), которая имеет множество преимуществ и широкий диапазон использования в данной обла-
сти.
Нейронная сеть является математической моделью, а, следовательно, её программное и аппа-
ратное воплощение, построенная по принципу организации и функционирования биологических
нейронных сетей – сетей нервных клеток живого организма. НС не программируются в привычном
смысле этого слова, а проходят итерационное обучение, что является главным преимуществом перед
обычными программами. В процессе обучения НС способная выявлять неявные зависимости между
исходными данными, а так же выполнять обобщение, что позволяет дать верный прогнозный резуль-
тат, который невозможно получить обычными способами в связи с искаженными или зашумленными
реальными данными.
Также, данный алгоритм позволяет получать различные прогнозные карты расположения полез-
ных ископаемых, моделирование различных структур. Нейронные сети представляют собой инстру-
мент для принятия эмпирически обоснованных решений в тех случаях, когда теория явления отсут-
ствует или недостаточно разработана.
www.naukaip.ru
 304 Результаты современных научных исследований и разработок
На данный момент, данные сети активно применяются в геофизике в основном для решения об-
ратной задачи, классификации литологических структур, оценки водонасыщения и проницаемости.
[5,c.139,6,c.185,7,8,9].
Также была разработана система «Нейросейсм». Данный алгоритм применялся для прогнозиро-
вания залежей нефти. Впервые данная система была апробирована на Бухарском месторождении в
1997 году. По результатам её работы были поставлены двенадцать скважин, прогноз совпал на один-
надцати из них, экономический эффект составил 8.9 млн.руб. К настоящему времени методом «Нейро-
сейсм» было проанализировано около тридцати пяти участков на различных месторождениях Татар-
стана общей площадью около 1500 кв.км. Средняя эффективность составила около 80%.[10,c.20]

Рис. 3. Прогнозная карта нефтеперспективности отложений терригенного девона.[10,c.22]

Таким образом, можно сделать вывод, что Python применяется на многих этапах обработки и ин-
терпретации геофизических данных.

XI всероссийская научно-практическая конференция | МЦНС «НАУКА И ПРОСВЕЩЕНИЕ»

 Результаты современных научных исследований и разработок 305

Список литературы

1. Как открыть SEGY-файл с помощью python. [Электронный ресурс] URl:

http://geoznanie.ru/geofizika/kak-otkryt-segy-fajl-s-pomoshhyu-python/(25.11.2020)
2. Обработка LAS-файлов с помощью Python. [Электронный ресурс] URl:
http://geoznanie.ru/geofizika/obrabotka-las-fajlov-s-pomoshhyu-python/ (25.11.2020)
3. Рыбников А. ПК Gintel – интерпретация данных ГИС для решения задач детального геологи-
ческого и геомеханического моделирования, [Электронный ресурс] URl:http://roxar.ru/wp-
content/uploads/2017/06/4.Рыбников_Гинтел-интерпретация-данных-ГИС-для-решения-задач.pdf
(25.11.2020)
4. Python в ArcGIS Pro. [Электронный ресурс] URl: https://pro.arcgis.com/ru/
5. Качурин, С.И. Анализ применимости многослойной нейронной сети для распознавания лито-
логической структуры скважины по данным геофизических исследований: автореф. дис. на соиск. учен.
степ. канд. тех. наук /С.И. Качурин; ИГТУ. – Ижевск 2003. – 139 с.
6. Родина, С.Н. Применение нейросетевого подхода при интерпретации каротажных данных/
С.Н. Роднина, К.Ю. Силкин // Вестник ВГУ. – 2007. - №2. – С. 184 – 188
7. Ford D.A., Kelly M.C., Using neural networks to predict lithology from well logs, Society of Explora-
tion Geophysicists, San Antonio, 2001
8. Maslennikova Y., Permeability prediction using hybrid neural network modeling, Society of Petrole-
um Engineers, New Orleans, 2013
9. Nakutnyy P., Asghari K.,Torn A.Analysis of waterflooding through application of neural networks,
Petroleum Society of Canada, Calgary, 2008
10. Борисов А.С.,Куликов С.А. Искусственные нейронные сети в прогнозировании нефтегазо-
носности по данным сейсморазведки, К(П)ФУ Учебное пособие. Казань,2012

© Саитгалеев М.М., Соколова Ю.А., 2020

www.naukaip.ru