Конференция Интеллектуальный анализ данных в нефтегазовой отрасли

Каталог Поиск

Интеллектуальный анализ данных

Интеллектуальный анализ данных

https://geomodel.ru/datascience22

https://geomodel.ru/datascience23

https://geomodel.ru/datascience24

https://geomodel.ru/ds25

Технико-технологические решения повышения эффективности гидроразрыва пласта с использованием машинного обучения

М.П. Бурков* (1), А.Р. Шарифов (1), Н.А. Сергиенко (1), Р.Д. Биккулов (1) (1 - ООО Газпром ВНИИГАЗ)

Прогнозирование эффективности гидравлического разрыва пласта (ГРП) в нефтегазовой отрасли связано с высокой сложностью из-за нелинейных взаимосвязей параметров процесса. Традиционные методы, основанные на аналитических и численных подходах, требуют больших вычислительных затрат и часто не обеспечивают достаточной точности. В данной работе предложено применение методов машинного обучения (МО), кото..

Интеллектуальный анализ данных в нефтегазовой отрасли 2025 ГРП Добавлено: 21.08.2025

Гибридизация концепций ML-прогнозирования и многовариантного моделирования

А.Ю. Дегтерёв* (1) (1 - ООО «ИРМ»)

В работе на примере задачи сейсмической инверсии рассмотрена возможность гибридизации концепций ML-прогнозирования и многовариантного моделирования, где стохастичность применяемого метода прогнозирования используется для повышения достоверности прогноза и получения новой информации об объекте исследования...

Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Машинное обучение и ИИ Добавлено: 21.08.2025

Анализ данных с использованием Wolfram Language и среды разработки WLJS (Wolfram Language JavaScript Frontend)

А.В. Екименко* (1), К.В. Белов (2) (1 - ООО «Газпромнефть НТЦ», 2- ООО «Спорттехконсалт»)

Показаны возможности языка Wolfram Language и среды разработки WLJS для анализа данных, в частности анализа текстовых данных. Приведён пример получения и анализа заголовков научных статей библиотеки OnePetro...

Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Добавлено: 21.08.2025

Цифровизация как метод реинжиниринга бизнес-процессов по управлению фондом скважин

М.В. Наугольнов* (1) (1 - СПбГЭУ)

В условиях зрелости нефтяных активов и роста требований к операционной эффективности цифровизация становится ключевым инструментом реинжиниринга бизнес-процессов. В статье рассматриваются три практических направления трансформации системы управления фондом скважин: оптимизация системы заводнения на основе емкостно-резистивной модели (CRM), внедрение рекомендательной системы для отбора скважин на р..

Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Концептуальное проектирование и реинжиниринг Добавлено: 21.08.2025

Интеллектуальные методы прогнозирования эффективности разработки трудноизвлекаемых запасов: опыт промышленного применения

А.М. Брусничкин* (1), М.О. Мельников (2), М.С. Трухачев (2) (1 - ООО «Газпромнефть - Технологические Партнерства», 2 - НИ ТПУ)

В работе представлен подход к прогнозированию начальных дебитов и оптимизации конструкции заканчивания скважин на месторождениях с трудноизвлекаемыми запасами на основе методов машинного обучения. В условиях высокой неоднородности пластов и значительной неопределённости традиционные методы проектирования заканчивания показывают ограниченную эффективность. В рамках проекта проведён сбор и системати..

Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Трудноизвлекаемые запасы Добавлено: 21.08.2025

Связь апостериорной вероятности с характеристиками классификатора

В.И. Булаев* (1) (1 - АО НПФ «Геофизика»)

В работе представлены результаты исследований влияния характеристик классификатора на значение апостериорной вероятности неверного прогноза модели..

Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Добавлено: 21.08.2025

|<
<
1
2
3

Показано с 31 по 36 из 36 (Страниц: 3)