Разработка вычислительных методов и математических моделей для расчета поведения ледовых островов применительно к проблемам нефтегазовой промышленности на Арктическом шельфе

В связи с открытием новых нетрадиционных месторождений актуальной задачей является разработка новых подходов к их разведке и эффективной разработке. Так, например, ледовые острова — это, зачастую, единственный способ провести разведочное бурение в мелководных районах Арктики, куда из-за суровой ледовой обстановки невозможно доставить обычную платформу. Однако технологии как их создания, так и дальнейшей эксплуатации имеют множество особенностей и до конца не изученных проблем. В рамках проекта будет решён ряд задач, возникающих во время жизни ледового острова. К ним относятся: задача о статической стабильности острова (температурные перегрузки, воздействия ветра, силы Архимеда, давление буровой установки, неоднородность льда), задача о сейсмическом воздействии (землетрясения, естественная фоновая сейсмическая нагрузка), задача наморожения/таяния острова с учётом фазовых переходов. В работе планируется использовать передовые методы численного моделирования: сеточно-характеристический (сейсмические нагрузки), разрывный метод Галёркина (ударные нагрузки), численное решение задачи Стефана, конечно-элементные методы. Также представляет интерес вопрос минимизации вероятности соударения стационарных и подвижных шельфовых объектов с ледовыми образованиями природного характера путем техногенного воздействия на последние. В данном проекте предполагается решение сложной вычислительной задачи разрушения ледовых образований в зависимости от характеристик техногенных воздействий.Отдельно в работе планируется рассмотреть обратные задачи, для решения которых будут использоваться методы машинного обучения. Для решения задач удобным будет использовать рекуррентные нейронные сети, которые проектировались для анализа временных рядов и последовательностей и на текущий момент применяются в различных областях (анализ текста, аудио, последовательностей событий и пр.), и сверточные нейронные сети, так же широко используемые (классификация фотографий, анализ МРТ или КТ в медицине и др. ), а так же другие методы. Для обучения нейронной сети предполагается использовать результаты решений определенного объема прямых задач сейсморазведки, полученные с использованием математического моделирования сеточно-характеристическим методом с интерполяцией на неструктурированных треугольных (в 2D-случае) и тетраэдральных (в 3D-случае) сетках. Для решения данных задач используется сеточно-характеристический метод, так как учитывает физические особенности процессов и позволяет строить наиболее корректные вычислительные алгоритмы на границах области интегрирования и контактных поверхностях. С использованием описанного подхода планируется получить решения для обратных задач сейсморазведки в областях неоднородностей: одиночных трещин, пластов макро- и мезотрещиноватости.