Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

Шумоподавление при обработке сейсмических данных с помощью глубоких нейронных сетей

А.С. Вострецов* (1, 2), В.Д. Гришко (1, 2), Т.Э. Хохрякова (1), А.А. Козяев (1), А.А. Мерецкий (1), Г.В. Иванов (1), Д.А. Петров (1) (1 – Филиал ООО «РН-ГИР» в городе Красноярске, 2 – ФГАОУ ВО «Сибирский Федеральный Университет»)
Качественные данные сейсморазведки (особенно pre-stack) важны для скоростного анализа и прогноза нефтегазоносности. Однако интенсивные шумы различной природы снижают их ценность. Традиционные методы (FK-фильтрация, τ–p преобразование) трудоёмки и плохо справляются с нестационарными помехами. Работа посвящена применению иерархического Vision Transformer (Hiera) для шумоподавления pre-stack записей...
Интеллектуальный анализ данных в нефтегазовой отрасли 2026 Интеллектуальный анализ данных Обработка сейсмических данных Добавлено: 12.08.2026

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

Управление разработкой нефтегазового месторождения на основе мультиагентной системы генерации сценариев

К.А. Печко* (1), С.П. Бажуков (1), М.А. Малаховский (1), Д.А. Корниенко (1), М.В. Симонов (1) (1 - группа компаний «Газпром нефть»)
В работе рассматривается задача управления разработкой нефтегазового месторождения в условиях высокой неопределенности и большой размерности пространства решений. Предложен подход, основанный на использовании мультиагентной системы генерации сценариев, интегрированной с цифровым двойником месторождения. Цифровой двойник выступает в качестве среды моделирования, обеспечивающей расчет технологически..
Интеллектуальный анализ данных в нефтегазовой отрасли 2026 Интеллектуальный анализ данных Машинное обучение и ИИ Добавлено: 12.08.2026

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

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

Самообучающийся алгоритм огрубления вычислительных сеток для двухфазного течения в пористых средах

В.Т. Наумов* (1), Н.Б. Явич (1), А.А. Рябов (1), Е.В. Бурнаев (1, 2), В.В. Вановский (1) (1 - Сколковский институт науки и технологий, 2 - Институт искусственного интеллекта)
Гидродинамические симуляции двухфазного течения в пористых средах необходимы для прогнозирования добычи нефти, но требуют значительных вычислительных ресурсов. Традиционные подходы приводят к высоким требованиям по памяти и времени, ограничивая анализ сценариев. Мы предлагаем обучаемый алгоритм огрубления с использованием графовых нейронных сетей (GNN) с агрегацией узлов и дифференцируемым разбиен..
Интеллектуальный анализ данных в нефтегазовой отрасли 2026 Интеллектуальный анализ данных Машинное обучение и ИИ Добавлено: 12.08.2026

Распознавание схем обустройства месторождений подходами компьютерного зрения

К.А. Печко* (1), Р. Бунвонг (2), М.В. Симонов (1) (1 - группа компаний «Газпром нефть», 2 - Skolkovo Institute of Science and Technology)
В работе рассматривается задача автоматического распознавания схем обустройства нефтегазовых месторождений с последующим восстановлением их топологической структуры. Предложен пайплайн, объединяющий методы глубокого обучения и классической обработки изображений. На этапе подготовки данных используются синтетические схемы, сгенерированные на основе инженерного программного обеспечения, что позволяе..
Интеллектуальный анализ данных в нефтегазовой отрасли 2026 Интеллектуальный анализ данных Машинное обучение и ИИ Добавлено: 12.08.2026

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

Пространственная интерполяция скважинных данных на основе сейсмических атрибутов

O.А. Бабакин (1), В.И. Авилкин (1), Е.А. Илларионов (1, 2), Г.А. Пешков (1), Д.И. Сабитов (1), А.Н. Сторонский (1), А.Д. Мирончиков* (1) (1 - ООО «Арамко Инновэйшнз», 2 - МГУ имени М.В. Ломоносова)
Традиционный кригинг скважинных данных обеспечивает высокую точность вблизи стволов, но теряет информативность в удаленных межскважинных зонах. В работе предложен метод повышения качества интерполяции за счет учета сейсмических данных через машинное обучение. С помощью 3D сверточного автоэнкодера из куба сейсмических амплитуд извлекаются локальные ML-атрибуты (размерность скрытого слоя — 8). Интер..
Интеллектуальный анализ данных в нефтегазовой отрасли 2026 Машинное обучение и ИИ Интеллектуальный анализ данных Добавлено: 12.08.2026

Прогнозирование обводнения газовых скважин на основе методов машинного обучения и нейронных сетей

В.Е. Вершинин* (1), В.А. Огай (1), К.И. Пеплин (1), А.С. Ковалькова (1) (1 - ООО «РН-Геология Исследования Разработка»)
Одной из основных проблем при разработке газовых залежей с подстилающей водой является ее активное внедрение в газонасыщенную часть, что приводит к обводнению скважин, снижению уровней добычи газа и последующей остановки скважин вследствие самозадавливания. Поэтому разработка методов прогнозирования обводнения, позволяющих своевременно принимать меры по предупреждению обводнения, является важной з..
Интеллектуальный анализ данных в нефтегазовой отрасли 2026 Интеллектуальный анализ данных Газовые месторождения Добавлено: 12.08.2026

Прогнозирование динамических свойств пласта с использованием нейронного оператора Фурье с учетом петрофизических характеристик коллектора для произвольного расположения скважин

А.Н. Хамидов* (1), И.В. Матвеев (1), Г.Ю. Шишаев (1), В.С. Рукавишников (1) (1 - НИ ТПУ)
Рассматривается подход прогнозирования динамических свойств пласта с использованием нейронного оператора Фурье с учетом петрофизических характеристик коллектора для произвольного расположения скважин. Метод FNO относится к методу машинного обучения, что делает его актуальным способом аппроксимации данных. Новизна подхода обучения заключается в добавлении возможности произвольного расположения сква..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Петрофизика и исследование керна Добавлено: 17.10.2024

Прогнозирование АСПО-подобных осложнений по промысловым данным: опыт построения ML-прототипа

Г.Г. Файзрахманов* (1), И.Р. Мавлявов (1), Н.О. Некрасов (1) (1 - Институт «ТатНИПИнефть» ПАО «Татнефть»)
В работе рассмотрен проектный ML-прототип для оценки риска АСПО-подобных осложнений в нефтепромысловой трубопроводной сети. В исходные данные вошли ремонтная история, простои, трубопроводные привязки, режимы эксплуатации скважин, сведения о мероприятиях, ПРС/КРС, координаты и результаты анализа проб воды. Задача прототипа состояла в оценке вероятности прокси-события на горизонте 30-180 суток для т..
Интеллектуальный анализ данных в нефтегазовой отрасли 2026 Интеллектуальный анализ данных Машинное обучение и ИИ Добавлено: 12.08.2026

Прогноз физико-механических свойств пласта по сейсмическим данным в условиях различной мощности формации

В.И. Авилкин* (1), Г.А. Пешков (1), А.Н. Сторонский (1), Д.И. Сабитов (1), М. Малки (2) (1 - ООО «Арамко Инновейшнз», 2 - Saudi Aramco)
В работе рассматривается задача прогноза свойств пласта по сейсмическим данным в условиях существенного различия длины сейсмических трасс между обучающим и целевым наборами. Для построения признакового представления используется свёрточный автоэнкодер с глобальным усреднением, позволяющий получать компактные признаки, инвариантные к длине трассы. На основе извлечённых признаков выполняется прогноз..
Интеллектуальный анализ данных в нефтегазовой отрасли 2026 Интеллектуальный анализ данных Интерпретация данных сейсморазведки Добавлено: 12.08.2026

Прогноз свойств коллектора разрабатываемого месторождения углеводородов на основе сейсмических атрибутов RTH, данных горизонтального бурения и методов ИИ

Г.Н. Ерохин (1), А.И. Камышников (1), С.А. Сергеев (1), Р.В. Симонов (1), С.А. Шевченко* (1) (1 - ФГАОУ ВПО «БФУ им. И. Канта»)
В докладе представлен подход к прогнозу петрофизических, литологических и иных свойств коллектора углеводородов в случае, когда имеются данные стандартной сейсморазведки, а также информация, полученная преимущественно в горизонтальных скважинах при разработке месторождения. Трудности прогноза связаны с небольшими, как правило, мощностями коллектора и отсутствием сейсмических атрибутов высокого про..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Петрофизика и исследование керна Добавлено: 17.10.2024

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
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • >
  • >|
Показано с 1 по 15 из 85 (Страниц: 6)
  •  Главная
  • Все статьи
  • Связаться с нами
  •  Личный кабинет
  • Закладки
  • Подписка на рассылку

 Согласие на обработку персональных данных

Наши партнеры: IGREC.stream
Первая онлайн-площадка для бизнес-презентаций

Работает на OpenCart, club version
Библиотека Геомодель © 2026