Để có dữ liệu, nhóm nghiên cứu đã tích hợp các dữ liệu khác nhau về định dạng, nguồn gốc, tọa độ khảo sát, độ phân giải thành một khối cơ sở dữ liệu 3D có độ phân giải cao. Mỗi điểm trong khối dữ liệu 3D này được đặc trưng bởi 656 thuộc tính của các trường địa chấn, địa - vật lý giếng khoan, từ - trọng lực và mô hình bồn trầm tích.
Trong việc dự báo phân bố các yếu tố hệ thống dầu khí (sinh, chứa, chắn, bẫy và dịch chuyển), hệ thống AI do TS Doãn Ngọc San và nhóm nghiên cứu xây dựng có khả năng rút ngắn thời gian xây dựng mô hình bằng cách huấn luyện mạng học máy/học sâu bằng các “mẫu học” - đối tượng đã biết, rồi từ đó nhận dạng khoanh vùng các yếu tố của hệ thống dầu khí. Sự khác biệt về kết quả của 2 mô hình AI và truyền thống là rất thấp.
Đề tài đã thực hiện khoanh vùng cấu tạo mỏ dầu khí, tiến hành xác định vị trí và hình thái vỉa dầu khí trên cơ sở các “mẫu học” là các cấu tạo triển vọng hay vỉa dầu khí đã biết. Đối với bài toán khoanh vùng triển vọng, hệ thống này đã xây dựng và khoanh vùng chính xác các cấu tạo triển vọng đã biết. Ngoài ra, hệ thống còn khoanh vùng thêm được các diện tích mới.
Nhóm nghiên cứu cho biết, đã sử dụng tham số các vỉa dầu khí đã biết để huấn luyện mạng và tìm kiếm các vị trí có thể tồn tại vỉa dầu khí. Ứng dụng phương pháp nêu trên, nhóm nghiên cứu thực hiện đề tài đã định vị các vỉa sản phẩm theo 44 “mẫu vỉa” đã phát hiện, ngoài ra còn xác định thêm được một số vị trí vỉa dầu khí mới. Vị trí vỉa sản phẩm dự báo phù hợp với kết quả dự báo theo phương pháp truyền thống.
Xác định nhóm (bộ) thuộc tính đặc trưng của các vỉa đã biết và sử dụng các nhóm thuộc tính này để xác định vị trí có thể tồn tại vỉa dầu khí. Đây là một hướng tiếp cận mới trong điều kiện tìm kiếm, thăm dò khó khăn hiện nay.
Cơ sở dữ liệu 3D của đề tài là bộ cơ sở dữ liệu đầu tiên tích hợp thống nhất các dữ liệu địa chất - địa vật lý khu vực nghiên cứu. Việc ứng dụng hệ thống AI tích hợp cơ sở dữ liệu địa chất - dầu khí đã giúp tăng độ chính xác, tính khách quan, nâng cao hiệu quả tìm kiếm, thăm dò dầu khí.