Конференция Интеллектуальный анализ данных в нефтегазовой отрасли

Интеллектуальный анализ данных

Гибридный подход создания и обучения нейросетевых моделей фильтрации для оптимизации системы заводнения

Р.Ю. Пономарёв* (1), Р.Р. Зиазев (1), А.А. Лещенко (1), Р.Р. Мигманов (1), М.И. Ивлев (1) (1 - Тюменский нефтяной научный центр)

В классическом представлении нейронные сети показывают качественные результаты при достоверной и разнообразной обучающей выборке. Однако, в условиях разработки нефтяных месторождений это не так. Следовательно, прогнозирования на фактических геолого-промысловых данных – это нетривиальная задача методов машинного обучения, требующая дополнительных модификаций методов обучения нейронных сетей или ком..

Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Разработка месторождений Добавлено: 17.10.2024

Углубленный анализ геолого-геофизических данных с применение Data Science как инструмент прогнозирования характеристик пласта

А.А. Козяев* (1), П.И. Скрыль (1), А.А. Мельник (1) (1 - ООО «РН-КРАСНОЯРСКНИПИНЕФТЬ»)

Прогноз продуктивных зон по сейсморазведке на участках Юрубчено-Тохомской зоны является крайне нетривиальной задачей из-за сложного строения рифейского коллектора. Прямое сопоставление сейсмических атрибутов с такими параметрами как продуктивность и дебит (наиболее ценные для разработки месторождений) не дает каких-то значимых результатов. Технологии выявления статистических связей активно развива..

Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Разработка месторождений Добавлено: 17.10.2024

Оптимизация нефтегазовых активов с использованием алгоритмов машинного обучения на разных уровнях детализации

К.А. Печко* (1), Д.И. Константинов (1), А.А. Афанасьев (1), М.В. Симонов (1), В.В. Ким (1) (1 - Группа компаний «Газпромнефть»)

В данной работе представлен новый подход к оптимизации процессов разработки нефтегазовых месторождений с использованием многоуровневых и прокси-моделей. Современная нефтегазовая индустрия требует оперативного принятия обоснованных решений в условиях увеличивающейся конкуренции и динамичных рыночных условий. Предложенный метод основан на параллельном использовании прокси-моделей, построенных на бол..

Оптимизационные сценарии вместо ГТМ на интегрированной модели сложного газоконденсатного месторождения

Ю.А. Головацкий* (1), И.Н. Климович (1), В.Р. Сыртланов (1), Д.А. Бормашов (1) (1 - Технологии ОФС)

Целью работ является подготовка оптимального варианта разработки крупного многопластового газоконденсатного месторождения на основе интегрированного моделирования. Круг задач - сформировать программу геолого-технических мероприятий (ГТМ) и бурения, решить вопросы бесперебойной работы скважин, определить прогнозные уровни добычи и производительность компрессорной станции для месторождения, экономич..

Методика подготовки многовариантных оптимизационных расчетов на ГДМ с помощью алгоритма кластеризации

О.С. Мерега* (1), Ю.С. Березовский (1), С.В. Вахрушев (1), Д.С. Лачугин (2), А.В. Яковенко (2), А.В. Табунщиков (2) (1 - Группа компаний «Газпром нефть», 2 - «Газпромнефть-ГЕО»)

Имеется задача по подбору оптимальной системы разработки многопластового нефтегазоконденсатного месторождения с минимальной историей разработки, приуроченного к ачимовским отложениям (нижнемеловые отложения). В данной работе предложена методика по оптимизации количества расчетов на гидродинамической модели (ГДМ) с помощью кластеризации площади месторождения по геологическим параметрам – деление пл..

Проблемы и решения трехмерной визуализации больших моделей пласта в ParaView

О.В. Ковалевский* (1), М. Кансельер (2) (1 - ООО «Арамко Инновейшнз», 2 - Saudi Arabian Oil Group)

Визуальный анализ моделей пласта является неотъемлемой частью процесса проектирования разработки месторождений. Таким образом трехмерная визуализация – это необходимый инструмент в наборе специалиста по такому проектированию. Наиболее распространенным форматом данных для моделей пласта является формат GRDECL/EGRID, связаный с гидродинамическим симулятором ECLIPSE. Существует множество приложений, ..

Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Программное обеспечение Разработка месторождений Добавлено: 17.10.2024

Восстановление модели многофазного течения в скважине из данных измерений

А.Н. Грызлов* (1), Е.Б. Магадеев (1), М. Арсалан (2) (1 -ООО «Арамко Инновейшнз», 2 - «Арамко»)

Повышение эффективности добычи углеводородов является наиболее важным научно-техническим вызовом нефтегазовой отрасли. В немалой степени это обусловлено истощением традиционных месторождений, сопряженным с увеличивающейся потребностью в энергии и принципами устойчивого развития, регламентирующими бережное отношение к окружающей среде. Тем не менее ясно, что никакая оптимизация разработки не может ..

Особенности планирования разработки месторождения, на основе анализа данных с использованием гибкой финансово-экономической модели, в рамках информационной системы комплексной поддержки интегрированных процессов управления активом

И.И. Фролова* (1), О.Н. Саранчукова (1), С. А. Жигач (1), О.А. Новичков (2), А.В. Кожевников (2), Д.Н. Токарев (3), В.Н. Ульянов (1) (1 - ООО «ННТЦ», 2 - ООО «ГАЗПРОМНЕФТЬ-ОРЕНБУРГ», 3 - ПАО «ГАЗПРОМ НЕФТЬ»)

В настоящем докладе представлены особенности планирования разработки месторождения, на основе анализа данных с использованием гибкой финансово-экономической модели, в рамках информационной системы комплексной поддержки интегрированных процессов управления активом.Реализованная среда для описания онтологической модели, соединённая с базой данной, позволяет описывать объектно-процессную модель предп..

Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Разработка месторождений Добавлено: 17.05.2023

Показано с 1 по 8 из 8 (Страниц: 1)