Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

Цифровое клонирование трещины ГРП на основе динамического маркерного мониторинга и численного моделирования притока пластового флюида

Е.А. Малявко* (1) (1 - ООО «ГеоСплит»)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Цифровизация как способ реинжиниринга бизнес-процессов: на примере «Цифровой платформы по контролю пескопроявлений»

М. Николич*, М.В. Наугольнов (НТЦ НИС-Нафтагас)
Вынос песка часто наблюдается при разработке слабоконсолидированных коллекторов. Более 60% добычи Нефтяной индустрии Сербии обеспечивается за счет песконесущего фонда. Потери добычи нефти из-за выноса песка составляют до 20% годовой добычи. Для решения указанных проблем было принято решение разработать «Цифровую платформу контроля песка» («Di.S.Co»), которая должна способствовать снижению затрат з..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Успешное использование интеллектуальной системы активного мониторинга состояния динамического оборудования с поддержкой детекции развивающихся аномалий

М.Г. Петров* (1), Н.Н. Делегевурян (1), А.Г. Авакян (1), Д.И. Полукеев (1) (1 - ООО «Альма Сервисез Компани»)
Оценка состояния оборудования и прогноз будущих сбоев имеют решающее значение для принятия решений по техническому обслуживанию. Особенно это критично для динамического оборудования, такого как компрессоры высокого и низкого давления. Многие из существующих методов оценки состояния оборудования используют неконтролируемые методы для построения показателей работоспособности путем измерения несоотве..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Мониторинг действующих скважин Интеллектуальный анализ данных Добавлено: 17.10.2024

Универсальный математический аппарат аппроксимации геофизических объектов на основе нового класса функций «фурье-сплайны»

А.С. Горшков* (независимый исследователь)
В основе метода аппроксимации как регулярных, так и нерегулярных данных включая сейсмические лежит предложенный автором новый класс финитных функций «фурье-сплайны», имеющий принципиальные преимущества перед известными методами, например, традиционными кубическими В-сплайнами. Алгоритмически метод оптимизирован применением в решении для обращения системных общих и ленточных регрессионных матриц ус..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

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

Топологический анализ исторических данных месторождения для извлечения значимой информации в задаче автоадаптации

А. В. Веткина* (1), Г. Ю. Шишаев (1), И. В. Матвеев (1) (1 - Центр подготовки и переподготовки специалистов нефтегазового дела Томского политехнического университета, Томск, Россия)
В работе описан способ применения топологического анализа данных к временным рядам, представляющим собой производственные данные месторождения, для того, чтобы показать, что для задачи автоматизированной адаптации геолого-гидродинамической модели не требуется весь набор имеющихся исторических данных. Вместо этого рекомендуется настраивать модель только на критические данные, т.е. данные, имеющие в..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Технология обучения нейронных сетей на основе анизотропного петроупругого моделирования и последующего решения прямой задачи сейсморазведки для сложных геологических формаций

И.И. Приезжев* (1), Д.А.Данько (1), И.О. Баюк (2), В.И. Рыжков (1) (1 - РГУ нефти и газа (НИУ) имени И.М. Губкина, 2 - ИФЗ РАН)
-..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Создание оптимального плана-графика ремонтных мероприятий на скважинах

Ю.В. Дрей* (1), М.А. Сергиенко (1), Н.Е. Хованский (1) (1 - АТОЛЛис)
Эксплуатация скважин неразрывно связана с необходимостью мониторинга их состояний, выполнения текущего и капитального ремонта. План-график ремонтных мероприятий составляется вручную на основе списка скважин-кандидатов. Он представляет собой посуточный календарь выполняемых на каждой скважине ремонтов с указанием исполнителя (ремонтной бригады). Как правило, количество и оснащённость исполнителей н..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Современные методы анализа временных рядов в мониторинге и прогнозировании состояния оборудования для механизированной добычи

А.А. Незнанов (1), А.А. Глушко* (1), С.Б. Овчинников (1), Н.Ф. Тарелко (1) (1 - ООО «Системы телекоммуникаций и информационной безопасности Шлюмберже»)
С развитием систем мониторинга мы получили возможность собирать ключевые показатели работы устройств в процессе механизированной добычи. Каждый день генерируется огромное количество телеметрии, которая пройдя процесс гармонизации и трансформации может быть использована для прогнозирования состояния оборудования. В докладе представлен обзор и произведён отбор современных математических методов и пр..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Техника и технологии добычи Добавлено: 17.10.2024

Совместное решение минерально-компонентной и петроупругой моделей

А.В. Марков* (1), И.Д. Латыпов(1) (1 - ООО «РН-БашНИПИнефть»)
Основой для петроупругого моделирования (ПУМ) является минерально-компонентная модель (МКМ). При настройке МКМ все чаще участвуют кривые плотностного каротажа и кривой времени пробега продольной волны (dt_p) в связи с необходимостью моделирования сложносоставных коллекторов. На данный момент процессы петрофизического и петроупругого моделирования выполняются последовательно и зачастую отдельными с..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Реализация высокоразрешающей акустической инверсии при помощи алгоритма разряженной аппроксимации

А.В. Буторин (ООО "Газпромнефть НТЦ")
Данные сейсморазведки характеризуются ограниченной полосой частот, что приводит к возникновению тюнинг-эффекта и проявляется в ограниченной вертикальной разрешающей способности. При малой мощности пластов возникает неопределенность, связанная с невозможностью отображения из-за интерференции отражений от границ. Повышение разрешающей способности и детальности решения является одной из основных проб..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Разработка суррогатной модели очистки трещины ГРП

А.А. Галлямов* (1) , С.А. Боронин (1) , А.А. Осипцов (1) , Е.В. Бурнаев (1) (1 - Сколковский институт науки и технологий, Сколтех)
Исследование посвящено разработке суррогатной модели очистки трещины гидроразрыва пласта (ГРП) с использованием комбинации ранее созданной механистической модели и алгоритмов машинного обучения с целью существенного ускорения проведения численных расчетов. Быстрое моделирование процесса очистки трещины необходимо для выполнения большого количества вычислений при адаптации модели (history matching)..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Разработка онлайн сервиса для обработки больших данных на примере системы распределенного акустического мониторинга (DAS) скважин

И.В. Скворцов* (1), В.А. Рыжов (1), Б.Ф. Зарипов (1), М.Р. Галимов (2), Д.К. Завалишин (2), Е. А. Молчанов (2) (1- ООО «ИАС», 2-АО «ДЗ-Системс»)
В настоящее время существуют различные платформы, позволяющие проводить научные вычисления. Несмотря на их популярность и активность использования, такие платформы не лишены недостатков. В этой статье приведен краткий обзор существующих платформ, перечислены их основные недостатки. На основании выявленных недостатков для разработки и вычислений предлагается использовать цифровую платформу RnDFlow...
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Разработка методики сейсмостратиграфического сегментирования данных сейсморазведки с применением машинного обучения

В. Д. Гришко* (1), Н. В. Ковальчук (1), А. А. Козяев (1)(1 - ООО «РН-КрасноярскНИПИнефть»)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Разработка масштабируемого программного обеспечения на примере создания графов обработки данных скважинных волоконно-оптических систем DAS

В.А. Рыжов* (1), А.Р. Газизов (1), И.В. Скворцов (1), И.Р. Шарапов (1), Б.В. Емельянов (1), Б.Ф. Зарипов (1), М.Р. Галимов (2), Д.К. Завалишин (2), Е.А. Молчанов (2) (1 - ООО «ИАС», 2 - АО «ДЗ-Системс»)
В эпоху тотальной автоматизации бизнес-процессов, в том числе и процессов обработки больших данных актуальной является смена парадигмы разработки ПО в направлении конвейерной многопоточной обработки данных. Отсутствие единой среды, в которой можно было бы организовать производственный процесс обработки данных и разработку/доработку ПО влечет организационные издержки для небольших компаний и крупны..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Программное обеспечение Интеллектуальный анализ данных Добавлено: 17.10.2024
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • >
  • >|
Показано с 1 по 15 из 106 (Страниц: 8)
  •  Главная
  • Все статьи
  • Связаться с нами
  •  Личный кабинет
  • Закладки
  • Подписка на рассылку

 Согласие на обработку персональных данных

Работает на OpenCart, club version
Библиотека Геомодель © 2025