Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

Машинное обучение для восстановления модели плотности распределения трещин по дифракционным сейсмическим изображениям

М.И. Протасов (1), Р.М. Кенжин* (1), Е.Н. Павловский (2) (1 - ИНГГ, 2 - НГУ)
Трещины могут существенно влиять на фильтрационные процессы в коллекторах. Поэтому анализ их пространственной структуры и ее моделирование имеет большое значение при планировании разработки и эксплуатации нефтегазовых залежей. Для их описания обычно используется статистический подход. В данной работе мы исследовали возможности реконструкции модели плотности распределения трещин по дифракционным се..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Трещиноватые коллектора Добавлено: 17.10.2024

Контроль качества геометрии в сейсморазведке с помощью методов машинного обучения

А.М. Камашев* (1), П.С. Бекешко (2) (1 - НГУ, 2 - ООО «ГеоПрайм»)
В работе рассматривается проблема контроля качества геометрии в сейсморазведке. Авторы обращают внимание на значимость точности и достоверности данных для успешной деятельности в области поиска и добычи полезных ископаемых. В работе предлагается автоматизированный алгоритм, основанный на нейронных сетях для поиска сейсмических данных с ошибками в геометрии. Предложенный метод основан на задаче бин..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Добавлено: 17.10.2024

Использование методов DTOF и PSS для ускоренного вычисления поля давлений в гетерогенном коллекторе при автоматизированной адаптации ГДМ

И.В. Матвеев (1), Д.А. Попов (2), Г.Ю. Шишаев (1), А.Н. Новгородова* (1) (1 - НИ ТПУ, 2 - АО «ВНИИНефть»)
Для ускорения вычисления полей давления, насыщенностей коллектора и дебитов скважин, а, следовательно, уменьшения общего времени расчета ГДМ при её адаптации или использовании в целях мониторинга и прогнозирования добычи, авторами предложены подходы DTOF и PSS – для раннего и длительного времени работы добывающих скважин соответственно. Авторами разработаны и протестированы прототипы вычислительны..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Техника и технологии добычи Добавлено: 17.10.2024

Интеллектуальная гармонизация и трансформация данных механизированной добычи на основе открытых решений

А.А. Незнанов (1), В.В. Емельянов* (1), А.А. Глушко (1), С.Б. Овчинников (1), Н.Ф. Тарелко (1) (1 - ООО «Системы телекоммуникаций и информационной безопасности Шлюмберже»)
Сложность задач обработки данных в корпоративных информационных системах нефтегазовой отрасли постоянно растёт в том числе в связи с постоянным ростом количества и разнообразия данных, что требует внедрения современных методологий и инструментов управления данными и знаниями. Многие архитектурные решения уже апробированы консорциумом OSDU, но в условиях локализации и быстро изменяющегося IT-ландша..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Техника и технологии добычи Добавлено: 17.10.2024

Интеграция телеметрии географически распределенных объектов механизированной добычи на основе промышленного интернета вещей

М.Д. Бигун* (1), Е.Ю. Брычков (1), P. Сеитов (1), С. Овчинников* (1), Н.Ф. Тарелко (1) (1 - ООО «Системы телекоммуникаций и информационной безопасности Шлюмберже»)
Промышленный интернет вещей (IIoT) – одно из основных современных направлений развития промышленности, влияющий на автоматизацию процессов, модернизацию управления и операций в технологических и производственных областях, в том числе и в нефтегазовой отрасли. Улучшение уровней связи и взаимодействий между объектами, наполняющими интернет вещей, комплексная информация о работе различных элементов с..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Программное обеспечение Мониторинг действующих скважин Добавлено: 17.10.2024

Интеграция автоматизированной системы в управление строительством скважин

А.Д. Яруллин* (1), Д.К. Нургалиев (1), В.А. Судаков (1), С.А. Усманов (1), Т.А. Муртазин (1), И.И. Багманов (2) (1 – ФГАОУ ВО Казанский федеральный университет, Институт геологии и нефтегазовых технологий, 2 – ООО «Геопай»)
В работе представлена автоматизированная система формирования графика строительства скважин, которая позволяет с учетом большого количества параметров и ограничений в кратчайшие сроки формировать различные сценарии бурения скважин для повышения эффективности принимаемых при планировании решений и интеграции с большим объемом данных по проектным скважинам, а также буровым установкам...
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Проектирование скважин Добавлено: 17.10.2024

Инверсия данных поверхностных волн (SWI) путем применения сверточной нейронной сети глубокого обучения

А.В. Яблоков* (1,2,3), М.В. Моисеев (1) (1 - Новосибирский государственный университет, 2 - Институт нефтегазовой геологии и геофизики им. А.А. Трофимука СО РАН, 3 - Институт горного дела им. Н. А. Чинакала СО РАН)
В работе представлен новый подход к инверсии дисперсионных изображений поверхностной волны, основанный на использовании сверхточной нейронной сети EfficientNet-B7. Предложенный метод позволяет автоматизировать обработку данных поверхностных волн и обеспечивает быстрое и надежное восстановление скоростей и мощностей слоев верхней части геологического разреза. Кроме того, восстанавливаемая модель ск..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Обработка сейсмических данных Добавлено: 17.10.2024

Динамическая обработка сейсмических данных

Г.М. Митрофанов* (1,2,3) (1 - ИНГГ СО РАН, 2 - НГУ, 3 - НГТУ)
Рассматриваются современные проблемы динамической обработки сейсмических данных, определяющих качество и эффективность многих последующих процедур, включая машинное обучение и нейронные сети. На реальных данных демонстрируются типичные результаты обработки, которые предполагалось использовать в последующем для решения задач детального прогноза характеристик целевого пласта. Обсуждаются вопросы сов..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Обработка сейсмических данных Добавлено: 17.10.2024

Глубокая сейсмическая инверсия – применение генеративно-состязательных нейронных сетей для восстановления упругих свойств

В.Д. Гришко* (1), А.А. Козяев (1) (1 - ООО «РН-КрасноярскНИПИнефть»)
Основным инструментом количественной интерпретации сейсмических данных является сейсмическая инверсия, позволяющая трансформировать волновое поле в распределение акустических и упругих свойств на основе решения обратной динамической задачи. Под сейсмической инверсией обычно понимают группу алгоритмов, с помощью которых традиционный и всем привычный сейсмический временной разрез трансформируется в ..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Интерпретация данных сейсморазведки Добавлено: 17.10.2024

Гибридный подход создания и обучения нейросетевых моделей фильтрации для оптимизации системы заводнения

Р.Ю. Пономарёв* (1), Р.Р. Зиазев (1), А.А. Лещенко (1), Р.Р. Мигманов (1), М.И. Ивлев (1) (1 - Тюменский нефтяной научный центр)
В классическом представлении нейронные сети показывают качественные результаты при достоверной и разнообразной обучающей выборке. Однако, в условиях разработки нефтяных месторождений это не так. Следовательно, прогнозирования на фактических геолого-промысловых данных – это нетривиальная задача методов машинного обучения, требующая дополнительных модификаций методов обучения нейронных сетей или ком..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Разработка месторождений Добавлено: 17.10.2024

Восстановление модели многофазного течения в скважине из данных измерений

А.Н. Грызлов* (1), Е.Б. Магадеев (1), М. Арсалан (2) (1 -ООО «Арамко Инновейшнз», 2 - «Арамко»)
Повышение эффективности добычи углеводородов является наиболее важным научно-техническим вызовом нефтегазовой отрасли. В немалой степени это обусловлено истощением традиционных месторождений, сопряженным с увеличивающейся потребностью в энергии и принципами устойчивого развития, регламентирующими бережное отношение к окружающей среде. Тем не менее ясно, что никакая оптимизация разработки не может ..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Разработка месторождений Добавлено: 17.10.2024

Влияние размерности пространства признаков на мониторинг эффективности работы скважин методами машинного обучения в режиме реального времени

Е.С. Гладченко* (1), Д.М. Орлов (1), Д.А. Коротеев (1) (1 - Сколковский институт науки и технологий)
В современном мире нефтегазовая отрасль сталкивается с рядом вызовов, связанных с эксплуатацией как зрелых, так и новых месторождений. Некоторые задачи, такие как анализ данных и мониторинг состояния скважин, возможно успешно решить при помощи методов машинного обучения (МО) и искусственного интеллекта. Стоит отметить, что методы МО являются статистическими, и решающую роль в процессе их обучения ..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Мониторинг действующих скважин Добавлено: 17.10.2024

Атрибутный анализ сейсмических данных

Г.М. Митрофанов* (1,2,3), Д.И. Костащук (1,2) (1 - ИНГГ СО РАН, 2 - НГУ, 3 - НГТУ)
К настоящему времени создано значительное число сейсмических атрибутов. Они позволяют выполнять изучение, сравнение и манипулирование с имеющимися данными. Открываются возможности преобразования или объединения данных для создания новых характеристик с возможным исключением некоторых из них для получения новых наборов характеристик, лучше представляющих изучаемые объекты. Такой путь должен привест..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Интерпретация данных сейсморазведки Добавлено: 17.10.2024

Аппроксимация Борна и трансферное обучение для data-driven end-to-end подхода сейсмического мониторинга вязкоупругих параметров среды

Д.С. Братчиков* (1), В.А. Чеверда (1), К.Г. Гадыльшин (1) (1 - Институт математики им. С.Л. Соболева СО РАН)
Высокоразрешенный сейсмический мониторинг подземных недр является необходимым условием для получения достоверных сейсмических изображений геологических структур. Сейсмическая полноволновая инверсия (FWI) стала многообещающим методом разведочной геофизики для исследования таких сред. Однако такого рода исследования требуют чрезвычайно трудоемких вычислений и памяти, что не позволяет использовать FW..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Добавлено: 17.10.2024

Алгоритм комплексирования для построения кубов статистически связанных геолого-гидродинамических свойств пласта на основе ядерной регрессии и перекрестно-связанных сверточных нейронных сетей

М.А. Анисимов (1), А.А. Рябов* (1), С.В. Кайгородов (2), Б.В. Белозеров (3), Е.В. Бурнаев (1), В.В. Вановский (1), (1 - Сколтех, 2 - ООО «Газпромнефть НТЦ», 3 - ПАО «Газпром нефть»)
В этой работе мы предлагаем алгоритм комплексирования в 3D, наследующий успешные практики комплексирования в 2D. Рассматривается способ построения трехмерных ядер для данных ГИС с учетом разметки на коллектор и неколлектор, а также способ построения трехмерных ядер для данных ГДИС. Далее построенные ядра используются в ядерной регрессии по объему коллектора для получения первого приближения компле..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Интеллектуальный анализ данных Машинное обучение и ИИ Добавлено: 17.10.2024
  • |<
  • <
  • 1
  • 2
  • 3
  • 4
  • >
  • >|
Показано с 31 по 45 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 © 2026