Каталог статей

Все статьи

Конференции

N-Robot. Автоинтерпретация ГИС в процессе бурения скважин с использованием методов машинного обучения.

А.И. Завьялов*, Р.Ю. Пономарёв, М.И. Ивлев, Т.С. Маргина, С.А. Ерёмин (ООО «Тюменский нефтяной научный центр»)

Предпосылками к данной работе послужила необходимость автоматизировать рутинные задачи, связанные с оперативной интерпретацией данных ГИС в процессе бурения горизонтальных скважин. Для этого был разработан инструмент, способный полностью в автоматическом режиме экспортировать данные с почты, интерпретировать и рассылать результаты на указанные почтовые ящики. Внедрение нейросети позволило точнее о..

Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Повышение достоверности и детальности понимания тектонической модели одного из геологически сложных месторождений Восточной Сибири с применением программ тектонического анализа на основе алгоритмов компьютерного зрения.

Е.Н. Черепанов* (АО «ИГиРГИ»), Д.Ю. Ткаченко (АО «ИГиРГИ»), П.Ю. Кузьмин (АО Славнефть-Красноярскнефтегаз»), П.А. Авдеев (ООО «ГридПоинт Дайнамикс»), А.К. Базанов (ООО «ГридПоинт Дайнамикс»), И.И. Ефремов (ООО «ГридПоинт Дайнамикс»), Р.Ф. Мифтахов (ООО «Г

Главной целью этапа кинематической интерпретации сейсмических данных традиционно является определение структурных особенностей геологического разреза, при этом особое внимание уделяется геометрии изучаемого объекта. Цена ошибки на данном этапе работ достаточно велика, однако процессы интерпретации по-прежнему остаются одними из самых трудоемких. Сложности обусловлены прежде всего необходимостью по..

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

Алгоритм автоматической увязки разнотипных данных ГИС

М.С. Поспелков (1) (1 - ООО «НОВАТЭК НТЦ»)

Описан алгоритм автоматической увязки разнотипных данных ГИС...

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

Использование цифрового двойника нефтегазового месторождения (в системе d-Flow) с целью максимизации добычи товарной продукции и оптимизации технологических режимов

П.А. Лыхин* (1), Н.К. Каюров (1) (1 - ООО «ННТЦ»)

Для повышения эффективности разработки и эксплуатации месторождения нефти и газа, а также обеспечения стабильности работы объектов инфраструктуры необходимо эффективное управление, основанное на получении в оперативном режиме информации по замерам, технологическим режимам работы промысла, анализе осложнений и рисков, а также составлении прогноза добычи и составлении плана предупредительных мер или..

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

Прогнозирование пористости в межскважинном пространстве на основании сейсмических данных и данных пористости по скважинам с применением нейронных сетей в Python

А.И. Кадиров* (1,2), Ю.В. Губайдуллина (1), Б.В. Платов (1), А.И. Степанов (1) (1 - Казанский (Приволжский) Федеральный Университет, 2 - Газпромнефть-НТЦ)

Научная работа рассматривает возможность расчета межскважинной пористости с использованием сейсмически данных; описывает методику обработки и интерпретации данных скважин и сейсморазведки.В ходе работы решалась задача расчета пористости по скважинам и дальнейшее прогнозирование в межскважинном пространстве с использованием сейсмических атрибутов.Достижение этих целей осуществляется за счет разрабо..

Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Использование компьютерного зрения для предсказания свойств бурового шлама

Л. Исмаилова* (1), А. Шакиров (1), М. Мезгани (2) (1 - Aramco Innovations, 2 - Saudi Aramco)

Буровой шлам представляет собой кусочки породы, которые образуются в процессе бурения. Эти кусочки породы могут служить уникальным источником информации. Данная работа посвящена использованию компьютерного зрения фотографий шлама для автоматического анализа свойств породы...

Построение карты проницаемости нефтяного пласта путем комплексирования данных ГИС, ГДИС и сейсмических исследований

В.В. Вановский (1), В.М. Дупляков* (1), Д.О. Попков (1), А.Д. Морозов (1), А.Л. Вайнштейн (1), А.А. Осипцов (1), С.В. Кайгородов (3), В.С. Котежеков(2), Б.В. Белозеров (2),Е.В. Бурнаев (1) (1 - АНООВО «Сколтех», 2 - ПАО «Газпром нефть», 3 - ООО «Газпромне

Целью работ является разработка методики и алгоритмов адаптации на ГИС, ГДИС и сейсмики для моделирования куба проницаемости в рамках работ по технологиям искусственного интеллекта для прогнозирования нефтеотдачи на основе самообучающейся модели пласта при заданных ограничениях на экологический ущерб и углеродный след и их экспериментальная программная реализация...

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

Выявление скрытых геологических закономерностей в сейсмических данных с помощью метода главных компонент

А. Волкова* (1) (1 - Томский политехнический университет)

На примере одного из месторождений Западной Сибири методом главных компонент были выявлены и подчёркнуты скрытые геологические особенности, которые не проявлялись при анализе исходных данных. Наиболее значимые компоненты (факторы) были объединены в единую схему с помощью RGB-смешивания цветовых палеток. Полученный результат дополняет огрублённую схему кластеров, построенную методами сейсмофациальн..

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

Особенности применения методов нелинейной оптимизации при определении параметров трещиноватости

Р.К. Бекренёв* (1), Г.М. Митрофанов (2,1,3), Т.В. Нефедкина (2), Г.А. Дугаров (2,1), А.В. Екименко (4) (1 - НГУ, 2 - ИНГГ СО РАН, 3 - НГТУ, 4 - ООО «ГАЗПРОМНЕФТЬ НТЦ»)

Данная работа посвящена разработке и развитию алгоритмов AVAZ-инверсии, тестированию алгоритма на синтетических данных, а также апробации алгоритма на реальных данных. Алгоритм позволяет получить расширенный набор параметров азимутально-ориентированной трещиноватости, включающий направление трещин и коэффициенты анизотропии Томсена. В работе описан разработанный алгоритм AVAZ-инверсии продольных в..

Использование алгоритмов предобработки фотографий керна для целей автоматизации процесса макро- и литологического описания

В.П. Артамонов (1)*, Н.К. Каюров (1) (1 - ООО «ННТЦ»)

Фотографии керна являются прямым источником информации о составе, свойствах и параметрах горных пород, слагающих литологический разрез месторождения. Помимо лабораторных физических и химических методов анализа вещества, важным этапом в изучении керна является его визуальное описание. Одной из основных задач визуального описания является сегментация керна – выделение различных литотипов и определен..

Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Петрофизика и исследование керна Добавлено: 17.05.2023

Implementation of ML models in the everyday workflow of a petrophysicist

T. Micić Ponjiger (1), S. Šešum (1), M.V. Naugolnov* (1) (1 - NTC NIS-Naftagas)

Комплекс программно-математических решений для сопровождения технологий нефтедобычи на различных стадиях разработки

М.Г. Персова* (1), Ю.Г. Соловейчик (1), Д.В. Вагин (1), Д.С. Киселев (1), И.И. Патрушев (1), А.С. Овчинникова (1), А.М. Гриф (1) (1 - Новосибирский государственный технический университет)

В работе анализируется точность прогнозов нефтедобычи, построенных на длительный период. Для проведения исследований была использована модель реального месторождения высоковязкой нефти, построенная с помощью автоадаптации. Методика проведения исследований включает в себя этап построения цифровой модели путем решения обратной задачи и с использованием трехмерного гидродинамического моделирования, а..

Определение эффективности работы глубинных скважинных насосов для добычи нефти применением множественной линеарной регрессии

М. Ешич (1), Т. Мицич-Понигэр (1), Б. Мартинович (1) (1 - НТЦ НИС Нафтагаз)

Использование технологии машинного обучения для решения задачи восстановления спектра волнового поля

В.О. Смирнова* (1,2), А.В. Буторин (1) (1 - ООО «Газпромнефть НТЦ», 2 - Санкт-Петербургский государственный университет)

В современных работах использование спектральной информации для изучения свойств и строения пластов находит все большее применение. Спектральный анализ волнового поля позволяет изучить динамическое распределение энергии по частотным компонентам, которое в дальнейшем может быть использовано при геологической интерпретации. В данном исследовании на модельных данных были рассмотрены основные методы и..

Показано с 31 по 45 из 56 (Страниц: 4)