Trí tuệ nhân tạo (AI), trong đó có các công nghệ học máy (Machine Learning) và mạng neuron tích chập (Convolutional Neural Network – CNN), đang mở ra những cách tiếp cận mới trong xử lý và phân tích dữ liệu địa chấn, góp phần nâng cao hiệu quả công tác tìm kiếm, thăm dò và đánh giá tiềm năng dầu khí. Bắt nhịp xu hướng này, ngày 05/08/2026, PVEP đã tổ chức khóa đào tạo nội bộ về ứng dụng công nghệ AI-CNN trên phần mềm Hampson Russell trong nghịch đảo địa chấn trước cộng  (Pre-stack Seismic Inversion), phục vụ đánh giá đặc tính chứa & phân bố tầng chứa tại các dự án trọng điểm của PVEP như:

• Khu vực mỏ Gấu Chúa - Cá Chó Lô 10 & 11.1, bể Nam Côn Sơn;
• Khu vực mỏ Thăng Long – Đông Đô, lô 01/97&02/97;
• Khu vực mỏ Kình Ngư Vàng, lô 01/10&02/10.

Nội dung khóa học do các kỹ sư địa vật lý Ban Thăm dò trực tiếp chia sẻ, tập trung vào các bài toàn thực tế,  bám sát dữ liệu địa chấn, giếng khoan và yêu cầu kỹ thuật tại các dự án.

Trao đổi từ những bài toán thực tế từ dữ liệu địa chấn & giếng khoan

Nội dung khóa học được xây dựng từ những vấn đề thực tế đặt ra trong quá trình phân tích dữ liệu địa chấn và đánh giá đặc tính tầng chứa. Các kỹ sư cùng trao đổi về khả năng ứng dụng mạng neuron tích chập (Convolutional Neural Network – CNN) vào quy trình nghịch đảo địa chấn trước cộng, từ việc lựa chọn, chuẩn hóa và xử lý dữ liệu đầu vào đến xây dựng mô hình và đánh giá độ tin cậy của kết quả dự báo.

Thay vì chỉ tập trung vào lý thuyết phương pháp, nội dung trao đổi được gắn trực tiếp với các yêu cầu thực tế trong công tác nghiên cứu địa chất, địa vật lý tại các dự án của PVEP. Qua đó, người tham dự có thêm góc nhìn về cách khai thác mối liên hệ giữa dữ liệu địa chấn và dữ liệu giếng khoan để hỗ trợ dự báo sự phân bố và biến đổi của các đặc tính tầng chứa trong không gian..

Quy trình triển khai CNN Inversion trên phần mềm Hampson Russell

Trên nền tảng phần mềm Hampson Russell, các kỹ sư đã cùng xem xét quá trình triển khai phương pháp CNN Inversion, từ chuẩn bị bộ dữ liệu giếng khoan mô phỏng (synthetic well), huấn luyện mô hình CNN, đến kiểm tra và đánh giá kết quả dự đoán.

Một số tham số liên quan đến đặc tính tầng chứa như độ rỗng, hàm lượng sét, độ bão hòa nước và các thuộc tính đàn hồi liên quan được đưa ra phân tích, đối chiếu với kết quả thực tế tại các giếng khoan kiểm chứng (Blindtest) trong khu vực nghiên cứu. Qua đó, kết quả dự báo được đánh giá về mức độ phù hợp với dữ liệu giếng khoan cũng như khả năng áp dụng trong việc dự báo đặc tính tầng chứa giữa các giếng.

Trong quá trình trao đổi, phương pháp CNN Inversion cũng được đem vào đánh giá tương quan với phương pháp nghịch đảo truyền thống, tập trung vào các khía cạnh như nguyên lý hoạt động, độ phân giải, khả năng dự báo các đặc tính tầng chứa và khả năng cập nhật mô hình khi có thêm dữ liệu giếng khoan mới.

Bên cạnh những tiềm năng của phương pháp, các kỹ sư Ban Thăm Dò cũng thảo luận về yêu cầu đối với chất lượng và tính đại diện của dữ liệu đầu vào, quá trình huấn luyện mô hình, kiểm soát sai số và những lưu ý khi sử dụng kết quả dự báo trong từng điều kiện địa chất cụ thể. Đây là những yếu tố có vai trò quan trọng trong việc bảo đảm kết quả CNN Inversion được sử dụng phù hợp và có cơ sở trong công tác đánh giá địa chất – địa vật lý.

Chia sẻ kinh nghiệm từ thực tế triển khai tại các dự án của PVEP

Kết quả ứng dụng CNN Inversion tại Lô 10 & 11.1, bể Nam Côn Sơn là một trong những nội dung nhận được nhiều sự quan tâm tại khóa học. Các kỹ sư đã chia sẻ quá trình xây dựng bộ dữ liệu đầu vào với mật độ giếng khoan hạn chế để huấn luyện mô hình sau đó kiểm chứng kết quả dự báo đặc tính tầng chứa tại khu vực này.

Kết quả nghiên cứu cho thấy CNN Inversion có tiềm năng hỗ trợ dự báo và lập bản đồ phân bố độ rỗng, hàm lượng sét, độ bão hòa nước và một số đặc tính liên quan đến chất lượng tầng chứa. Đặc biệt, các kết quả kiểm tra tại những vị trí không được sử dụng trong quá trình huấn luyện mô hình được đưa vào phân tích, nhằm đánh giá khả năng dự báo đối với dữ liệu chưa được mô hình quan sát trong quá trình học.

Kinh nghiệm triển khai tại một số Lô khác của PVEP tiếp tục được chia sẻ, tạo điều kiện để các kỹ sư cùng trao đổi về sự khác biệt của dữ liệu, điều kiện địa chất và cách lựa chọn phương án phù hợp cho từng đối tượng nghiên cứu.

Thúc đẩy ứng dụng công nghệ số trong công tác thăm dò dầu khí

Khóa đào tạo không chỉ góp phần cập nhật các phương pháp và công nghệ mới trong xử lý, minh giải dữ liệu địa chấn, mà còn tạo cơ hội để đội ngũ kỹ thuật trao đổi, chia sẻ kinh nghiệm ứng dụng công nghệ số trong lĩnh vực thực tiễn thăm dò dầu khí. Đây là minh chứng cho nỗ lực của PVEP trong việc xây dựng đội ngũ nhân sự có năng lực công nghệ, sẵn sàng tiếp cận các giải pháp AI hiện đại nhằm nâng cao hiệu quả sản xuất kinh doanh và gia tăng giá trị từ nguồn dữ liệu hiện có.