Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

Оценка коллекторского потенциала пород со сложной структурой емкостного пространства по данным ГИС с помощью реализации вероятностных моделей методами машинного обучения

В.Ю. Руденко* (1) (1 - ЗАО «МиМГО»)
В работе рассмотрены возможности алгоритмов машинного обучения (оптимизация Нелдера-Мида, вероятность Байеса, регрессия случайного леса, закон больших чисел, кусочные функции) для оценки коллекторского потенциала пород со сложной структурой емкостного пространства. Рассмотрены основные ограничения стандартных подходов при интерпретации изучаемых эффузивных вулканических пород. Показаны примеры рас..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Трещиноватые коллектора Добавлено: 17.10.2024

Оценка возможностей и ограничений использования моделей машинного обучения для прогнозирования накопленной добычи горизонтальных скважин

С.А. Пискунов* (1), Ш. Давуди (1), В.С. Рукавишников (1) (1 - НИ ТПУ)
Основная цель исследования – оценить возможность создания и дальнейшего применения моделей машинного обучения для быстрого и точного прогнозирования накопленной добычи газа горизонтальных скважин на различных временных периодах, а также выявить ключевые ограничения этого подхода. В основе лежат такие алгоритмы машинного обучения, как градиентный бустинг и случайный лес. В качестве входных параметр..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Горизонтальные скважины Добавлено: 17.10.2024

Особенности управления ИИ-центрированной мультиагентной системы

А.С. Шадрин* (1), Г.Ю. Шишаев (1), М.В. Подгаецкий (1), В.С. Рукавишников (1), С.С. Шумилин (2), А.В. Бернштейн (2), Е.В. Бурнаев (2), В.В. Вановский (2), С.В. Кайгородов (3), Д.О. Прихна (4), В.С. Котежеков (5), Б.В. Белозеров (6) (1 – ФГАОУ ВО НИ ТПУ, 2
В рамках исследования была создана мультиагентная система адаптации гидродинамической модели пласта, позволяющая проводить анализ входных данных на качество, строить вычислительную цепочку (исходя из поставленной задачи, а также качества исходных данных), а также адаптировать гидродинамическую модель пласта, изменяя поле проницаемости. Таким образом, созданная мультиагентная система позволяет полу..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Геологическое гидродинамическое и геомеханическое моделирование Добавлено: 17.10.2024

Опыт разработки и внедрения на базе ПО АЭРОСИМ цифровых двойников на объекте добычи газа и конденсата и эффектов от его внедрения на примере Добринского месторождения

Е.В. Войтенков* (1) (1 - ООО «АЭРОГАЗ»)
В докладе рассказывается об опыте разработки и внедрения на базе ПО АЭРОСИМ цифровых двойников на объекте добычи газа и конденсата и эффектов от его внедрения на примере Добринского месторождения..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Программное обеспечение Техника и технологии добычи Добавлено: 17.10.2024

Опыт применения нейронных сетей для фильтрации пространственно-временных аномалий в записях с распределенных оптоволоконных систем DAS

И.В. Скворцов* (1), В.А. Рыжов (1), И.Р. Шарапов (1), А.Р. Газизов (1) (1 - ООО «ИАС»)
Использование волоконно-оптических систем в реализации DAS (Distributed Acoustic Sensing) становится все более популярным в микросейсмических мониторингах со скважин. Преимущество использования DAS вместо скважинных датчиков состоит в одновременном длительном мониторинге по всему стволу скважины и не восприимчивости к электрическим и магнитным полям. Эти особенности оптоволоконных систем определяю..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных 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..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Разработка месторождений Добавлено: 17.10.2024

Оптимизация жизненного цикла оборудования механизированной добычи на основе современных моделей анализа выживаемости

О.А. Сутырина* (1), С.Б. Овчинников (1), А.Я. Исангужина (1) (1 - ООО «Системы телекоммуникаций и информационной безопасности Шлюмберже»)
Установка электроприводного центробежного насоса (УЭЦН) является одной из самых эффективных технологий механизированной добычи, разработанной для увеличения дебита нефти в условиях различных геологических осложнений. Зачастую анализ состояния УЭЦН ограничивается подсчётом простых статистических метрик и построением экспоненциального распределения в редакторах таблиц. Из виду могут быть упущены бол..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Мониторинг действующих скважин Добавлено: 17.10.2024

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

Определение объемной литологической модели горных пород по данным ГТИ

А. Шакиров* (1), Е. Коптелов (1), М. Мезгани (2) (1 - Aramco Innovations, 2 - Saudi Aramco)
Литологический состав горных пород является базовой характеристикой коллекторов нефти и газа. В работе предложен новый метод для количественной интерпретации литологического состава горных пород путем комплексирования данных геолого-технических исследований и результатов петрофизического моделирования с помощью методов машинного обучения. Представлены результаты тестирования предложенного метода н..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Петрофизика и исследование керна Добавлено: 17.10.2024

Определение механических свойств горной породы по данным ГТИ в режиме реального времени

А.С. Ольховиков* (1), Д.А. Коротеев (1), К.А. Антипова (1) (1 - Сколковский институт науки и технологии)
Работа рассматривает применение методов машинного обучения для прогнозирования свойств горных пород на основе данных геолого-технических исследований (ГТИ) в режиме реального времени. Показано, что свойства горных пород могут быть успешно спрогнозированы с использованием данных ГТИ. Описан метод увеличения чувствительности модели к пиковым значениям во временных рядах, позволивший существенно улуч..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Добавлено: 17.10.2024

Определение и прогнозирование интервалов со вторичной пористостью с использованием методов машинного обучения на основе данных стандартных геофизических исследований скважин (ГИС) и специального микрокаротажа сопротивления

С. Шешум (1), М.В. Наугольнов* (1), Т. Мицич-Понигэр (1), В. Михайлович (1), Е. Цуканова (1) (1 - НТЦ НИС Нафтагас)
Проект посвящён проблеме определения и прогнозирования интервалов со вторичной пористостью (структурных элементов, трещин и каверн, далее – СЭ) на основе данных стандартного скважинного каротажа с использованием машинного обучения и данных специального микрокаротажа сопротивления (в иностранной литературе известен как micro resistivity imager (MRI) или wellbore imager (WBI)). Целью проекта являетс..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Трещиноватые коллектора Добавлено: 17.10.2024

Обратный инжиниринг гидравлических корреляций с помощью физически информированных нейронных сетей

С.П. Бажуков* (1), Н.М. Бровин (1), Д.И. Константинов (1), А.А. Афанасьев (1), К.А. Печко (1), М.В. Симонов (1) (1 - ГК «Газпром нефть»)
Работа посвящена использованию физически информированных нейронных сетей (PINN) для обратного инжиниринга гидравлических корреляций в нефтегазовой промышленности. Реализованы два подхода к обучению модели: прямой расчет перепада давления и в сочетании с классическими гидравлическими корреляциями. Полученные результаты подтверждают высокую точность предложенного подхода. Более 90% расчетов имеют по..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Добавлено: 17.10.2024

Новый метод адаптации модели скважины на краткосрочный период методами машинного обучения

А.А. Афанасьев* (1), К.А. Печко (1), Д.И. Константинов (1), С.П. Бажуков (1), М.В. Симонов (1) (ГК «Газпром нефть»)
Аннотация: Адаптация моделей в нефтегазовой отрасли имеет большое значение для точного прогнозирования и эффективного управления производственными процессами. Однако этот процесс может быть сложным и затратным по времени. Предлагаемый метод использует модели машинного обучения для упрощения и ускорения адаптации моделей. Он включает в себя генерацию выборки данных на основе физико-математической м..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Интеллектуальный анализ данных Добавлено: 17.10.2024

Нейросетевое моделирование трехмерных полей свойств с обучаемым базисом на основе автокодировщика

А.А. Рябов* (1), М.А. Анисимов (1), С.В. Кайгородов (2), Б.В. Белозеров (2), Е.В. Бурнаев (1), В.В. Вановский (1) (1 - Сколтех, 2 - ООО «Газпромнефть НТЦ»)
В данной работе предлагается новый подход распространения геологических свойств в межскважинном пространстве для получения трехмерного куба из двухмерной карты средних значений и вертикальных профилей поля свойств, известных в точках скважин. Предложенный метод тестируется на 2D-картах проницаемости, полученных через комплексирование в скважинных данных по ГИС и ГДИС с учетом сейсмических атрибуто..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Машинное обучение и ИИ Добавлено: 17.10.2024

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..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Разработка месторождений Добавлено: 17.10.2024
  • |<
  • <
  • 1
  • 2
  • 3
  • 4
  • >
  • >|
Показано с 16 по 30 из 49 (Страниц: 4)
  •  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