Seysmik tədqiqatlarda AI: Azərbaycan nümunəsi

Seysmik məlumatın “çətin hissəsi” adətən toplanması deyil — onu düzgün şərh edib qərara çevirməkdir. Minlərlə kvadrat kilometr üzrə toplanan dalğa siqnalları, müxtəlif geoloji layların yaratdığı səs-küy, köhnə formatlar, fərqli keyfiyyətli arxivlər… Nəticədə, illərdir “tam öyrənilib” hesab olunan yataqlarda belə, hələ də gözdən qaçan detallar qalır.

Bu kontekstdə GL Group-un Azərbaycanda qurudakı yataqlarda süni intellekti seysmik məlumatların emalına tətbiq etməsi və həmin nəticələri ABŞ-ın Hyuston şəhərində IMAGE 2025 kimi iri bir forumda təqdim etməsi sadəcə PR xəbəri deyil. Mən bunu daha çox belə oxuyuram: Azərbaycanın neft-qaz sektorunda AI artıq laboratoriya mərhələsini keçib və əməliyyat qərarlarına toxunmağa başlayıb.

Bu yazı “Azərbaycanın Energetika və Neft-Qaz Sektorunu Süni İntellekt Necə Dəyişdirir” seriyasının bir hissəsidir. Məqsədim xəbər mətnini təkrarlamaq yox, onun üzərindən praktiki nəticələri, riskləri və tətbiq addımlarını aydınlaşdırmaqdır: AI seysmik tədqiqatlarda nəyi yaxşı edir, hansı səhvlər bahalıya başa gəlir və bu texnologiyaya yatırım etmək istəyən şirkətlər haradan başlamalıdır.

IMAGE 2025-də təqdim olunan mesaj: AI artıq yatağa işləyir

GL Group-un təqdimatının əsas ideyası sadədir: AI alqoritmləri mövcud seysmik məlumatın interpretasiyasını dəqiqləşdirərək ənənəvi yanaşmalarla görünməyən dərin və qazılmamış zonaları seçməyə kömək edir.

Xəbərdə verilən faktlar diqqətəlayiqdir:

• Layihə Azərbaycanda inkişaf etdirilib, tətbiq isə GL Group-un afilə şirkəti olan Salyan Oil Limited-in istismar etdiyi Kürsəngi və Qarabağlı (Salyan) yataqlarında aparılıb.
• Nəticələr Hyustonda IMAGE 2025 tədbirində təqdim olunub.
• IMAGE 2025-in miqyası böyükdür: 7 800+ iştirakçı, 1 100+ texniki təqdimat, 260-a yaxın sərgi iştirakçısı, 93 ölkə (mənbə mətnində göstərilən rəqəmlər).

Bu cür forumlarda “şou” çox olur, amma qəbul meyarı da sərtdir: texniki işin məntiqi, metodologiya və nəticənin əməliyyat dəyəri. Bu baxımdan, Azərbaycan kontekstində ən önəmli siqnal budur: seysmik AI ilə bağlı söhbət artıq “gələcəkdə edəcəyik” deyil, “etdik və nəticəsini paylaşırıq” mərhələsindədir.

Seysmik məlumatlarda süni intellekt nəyi dəyişir?

Seysmik tədqiqatlarda AI-nın ən real faydası “hamısını avtomatlaşdırmaq” deyil. Ən real fayda interpretasiya prosesində təkrarlanan işləri sürətləndirmək və daha incə geoloji siqnalları seçməkdir.

1) Səs-küy və qeyri-müəyyənliklə daha yaxşı işləmək

Qurudakı yataqlarda seysmik məlumat çox vaxt:

• müxtəlif illərdə, müxtəlif cihazlarla toplanır;
• üst layların heterogenliyi səbəbilə səs-küylə dolu olur;
• arxivlərdə “yarımçıq” metadata ilə saxlanılır.

AI burada iki iş görür:

• pattern recognition ilə zəif siqnalları seçir;
• interpretatorların “göz vərdişi”nə bağlı olan subyektivliyi azaldır.

Bu o demək deyil ki, geofizikə ehtiyac qalmır. Əksinə: AI nəticəsini yoxlamaq üçün daha güclü geoloji düşüncə tələb olunur.

2) “Köhnə yataqda yeni hədəf” tapmaq

Kənan Əliyevin sitatında vurğu var: AI inteqrasiyası “tam öyrənilmiş ehtimal olunan yataqlarda” yeni potensialı üzə çıxarmağa imkan verib. Bu yanaşma xüsusilə Azərbaycanda aktuallaşır, çünki bir çox qurudakı yataqlar uzun illərdir istismardadır.

Praktiki dəyər buradadır:

• yeni seysmik kampaniya (bahalı) əvəzinə, mövcud datadan əlavə dəyər çıxarmaq;
• hədəflərin prioritetləşdirilməsi;
• qeyri-müəyyənlik azaldığı üçün quyunun “gözlənilməz” çıxma riskini aşağı salmaq.

3) Qazılmamış zonaların seçilməsi və inkişaf planına təsiri

Xəbərdə qeyd olunur ki, qabaqcıl alqoritmlər ənənəvi üsullarla aşkar olunmayan, daha dərində yerləşən və qazılmamış zonaları müəyyən edib. Bu, iki səviyyədə qərarı dəyişir:

• Texniki səviyyə: hədəf zonanın xəritələnməsi, struktur/stratiqrafik elementlərin seçimi.
• Biznes səviyyəsi: CAPEX planı, qazma ardıcıllığı, gözlənilən hasilat profili.

Əgər AI yalnız “gözəl xəritə” verirsə, onun dəyəri məhduddur. Dəyər o zaman yaranır ki, həmin xəritə qazma proqramına və risk modelinə daxil olur.

GL Group nümunəsindən çıxan 4 praktik dərs

Bu layihəni Azərbaycan energetika sektorunda AI strategiyası baxımından oxuyanda mənim üçün dörd dərs önə çıxır.

1) Pilotun düzgün seçimi: ən yaxşı başlanğıc “brownfield”dir

Seysmik AI üçün ən uyğun start nöqtəsi çox vaxt illərdir istismarda olan yataqlardır:

• tarixçəsi var (quyu nəticələri ilə yoxlama mümkündür);
• geoloji “ground truth” daha boldur;
• uğur tez ölçülür: hədəf seçimi, interpretasiya vaxtı, risk dəyərləndirməsi.

GL Group-un Kürsəngi və Qarabağlı kimi yataqlarda iş aparması bu baxımdan rasional görünür.

2) Təkbaşına etmək çətindir: ixtisaslaşmış tərəfdaşlıq modeli işləyir

Layihə Waverity ilə əməkdaşlıq çərçivəsində reallaşıb. Bu, bazar reallığıdır: seysmik AI üçün həm geofizika, həm data engineering, həm də ML bilikləri lazımdır.

Mənim müşahidəm: enerji şirkətləri iki xətt üzrə daha sağlam nəticə alır:

• öz daxilində domain bilik və data sahibliyini saxlayır;
• alqoritm və məhsullaşma üçün ixtisaslaşmış vendor/partnyor cəlb edir.

3) Uğur meyarı “model accuracy” deyil, qərar keyfiyyətidir

Seysmik AI layihələrində ən böyük səhv KPI-ları yanlış seçməkdir. “Modelin dəqiqliyi” təkbaşına heç nə demir.

Daha işlək KPI-lar:

• interpretasiya müddətinin azaldılması (məsələn, həftələrdən günlərə);
• hədəf seçimi üzrə uncertainty intervalının daralması;
• qazılacaq hədəflərin prioritetləşməsində ekspert konsensusunun artması;
• non-productive time və ya “dry hole” riskinin azalmasına dair proksi ölçülər.

4) AI transformasiyası komanda transformasiyasıdır

Asif Zeynalovun vurğuladığı yanaşma (“rəqəmsal həllərin inteqrasiyası, peşəkar mütəxəssislər və təcrübəli ekspertlər”) əslində AI-nın ən sərt tərəfini göstərir: aləti almaq asandır, onu gündəlik işə salmaq çətindir.

Bunu həll edən 3 rol kombinasiyasıdır:

• geofizik/petрофizik (interpretasiya və validasiya);
• data engineer (məlumatın hazırlanması, pipeline);
• ML engineer (model, monitorinq, iterasiya).

Bu üçlüyün bir masada işləməsi — AI nəticəsinin yatağa “işləməsinin” əsas şərtidir.

Seysmik AI-nı Azərbaycanda tətbiq etmək istəyənlər üçün yol xəritəsi

Süni intellektin seysmik tədqiqatlarda tətbiqi sürətli fayda verə bilər, amma yalnız sistemli qurularsa. Praktik yol xəritəsi belə görünür.

1) Data audit: “nəyimiz var?” sualına sərt cavab

Başlanğıcda bu siyahı yazılmalıdır:

• hansı illərin seysmik məlumatı mövcuddur?
• formatlar, keyfiyyət, coverage necədir?
• quyu logları, core məlumatları, istehsal tarixçəsi ilə uyğunlaşma varmı?
• metadata və koordinat sistemləri ardıcıldırmı?

Ən çox vaxtı bu mərhələ alır. Amma atlananda layihə gec-tez divara dəyir.

2) Use-case seçimi: bir məqsəd, bir nəticə

Seysmik AI üçün yaxşı başlanğıc use-case-lər:

• fault interpretasiyasının yarı-avtomatlaşdırılması;
• horizon picking üçün sürətlənmə;
• attribute analizi və “sweet spot” zonalarının prioritetləşdirilməsi.

Bir layihədə 5 məqsəd qoymaq adətən 0 nəticə verir.

3) Validasiya: “model belə dedi” kifayət deyil

Seysmik AI-nın nəticəsi mütləq:

• quyu nəticələri ilə;
• geoloji konseptlə;
• alternativ interpretasiya ilə

qarşılaşdırılmalıdır. Burada ən güclü prinsip budur: AI hipotez təklif edir, qərarı isə komanda verir.

4) Məhsullaşdırma: nəticə PowerPoint-də qalmamalıdır

Əgər AI nəticəsi:

• interpretasiya proqramına inteqrasiya olunmursa,
• yenilənəndə “pipeline” avtomatik işləmirsa,
• dəyişikliklər audit olunmursa,

o, davamlı sistem deyil. Dəyər isə davamlılıqdan yaranır.

2026 kontekstində niyə indi daha aktualdır?

2025-in sonunda enerji bazarlarında dalğalanma, Avropanın qaz təchizatı xəritəsinin yenidən qurulması və Azərbaycanın ixrac gündəminin genişlənməsi fonunda şirkətlərdən bir şey tələb olunur: daha dəqiq planlama və daha səmərəli hasilat.

S&P kimi qurumların 2026 üçün hasilatla bağlı gözləntiləri müzakirə olunduğu bir dövrdə (xəbər lentlərində tez-tez rast gəlinir), qurudakı yataqlardan əlavə dəyər çıxarmaq üçün AI kimi alətlər daha real seçimə çevrilir. Yəni söhbət “trend”dən yox, operativ zərurətdən gedir.

Növbəti addım: AI seysmik emalından AI əsaslı yataq idarəçiliyinə

GL Group nümunəsi bir şeyi açıq göstərir: Azərbaycanda süni intellekt neft-qaz tədqiqatında artıq tətbiq mərhələsindədir və düzgün qurulanda istismar olunan yataqlarda yeni imkanlar aça bilir. Bu seriyada biz eyni yanaşmanı digər sahələrə də aparacağıq: hasilat optimallaşdırması, texniki xidmətin proqnozlaşdırılması, təhlükəsizlik analitikası və əməliyyat avtomatlaşdırması.

Əgər siz enerji şirkətində qərar verən tərəfdəsinizsə, mənim tövsiyəm sadədir: seysmik AI təşəbbüsünü “IT layihəsi” kimi yox, yataq idarəçiliyinin bir hissəsi kimi planlayın. Düzgün KPI seçin, data auditini gecikdirməyin və pilotu elə dizayn edin ki, nəticə qazma və inkişaf planına təsir etsin.

Bu yazı sizdə bir sual doğurmalıdır: Sizin yataqlarda “tam öyrənilmiş” hesab etdiyiniz hansı sahə əslində yenidən baxış tələb edir?