KI Anwendungen wie Neuronale Netze bzw. Deep Learning Verfahren können auch in den Geowissenschaften helfen, die große Menge an Daten zu bearbeiten und zu analysieren. Die häufig eingesetzte Mustererkennung bietet hier einen deutlichen Mehrwert gegenüber etablierten Verfahren, komplexe Zusammenhänge aus einer großen Datenmenge herauszuarbeiten.
Faziesklassifizierung
Bei der Faziesklassifizierung werden selbständige Neuronale Netze verwendet (unsupervised Neuronal Network). Mit der Annahme, dass eine Änderung des seismischen Signals in Verbindung einer anderen Fazies steht, ist es möglich ein Neuronales Netz anzutrainieren und die Faziesverteilung flächenhaft zu bestimmen. Die Faziesverteilung muss anschließend mit Informationen einer Bohrung oder durch seismische Modellieung weiter bestimmt werden.
Vorhersage der Permeabilität
In der Reservoir Charakterisierung spielt die Permeabilität eine wichtige Rolle. Sie dient der Quantifizierung der Durchlässigkeit von Böden für Flüssigkeiten und Gase (z.B.: Grundwasser, Erdöl und Erdgas). Mit Hilfe Neuronaler Netzwerke ist es möglich aus Bohrloch Informationen Permeabilitäten vorherzusagen. Die Abbildung links zeigt ein Beispiel einer vorhergesagter Permeabilität (Neural Network) und einer gemessenen Permeabilität im Bohrloch.