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

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

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 алгоритма автоматического выделения времен первых вступлений с применением технологий глубокого обучения

Н. В. Ковальчук* (1), С. А. Яриков* (1), Т. Э. Хохрякова (2), И. В. Костычаков (2), А. В. Саренков (1) (1 - ООО «РН-КрасноярскНИПИнефть», 2 - ИКИТ СФУ)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ 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

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

Повышение эффективности процедуры детектирования микросейсмических событий при микросейсмическом мониторинге с поверхности сверточной нейросетью

И.В. Скворцов* (1), В.А. Рыжов(1) (1 - ООО «ИАС»)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Повышение эффективности геонавигации с помощью технологий компьютерного зрения

А.В. Галкина* (1), М.Ю. Лисицына (1), Т.Р. Рахимов (1) (1 - АО «ИГиРГИ»)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Оценка влияния литологического состава на упруго-деформационные свойства горных пород в целях планирования термогазохимического воздействия

С.Е. Берющев* (1), Н.В. Березкин (1) (1 - РГУ нефти и газа (НИУ) имени И.М. Губкина)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ 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..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

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

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

О создании физических моделей на базе НОЦ Газпромнефть-НГУ

А.Ю. Задоев* (1), Т.А. Петроченко (1,2), А.А. Дучков (3,1,4), Г.М. Митрофанов (3,1,4) (1 - НГУ, 2 - СНИИГГиМС, 3 - ИНГГ СО РАН, 4 - НГТУ)
Усложнение структуры разведываемых месторождений и их коллекторских свойств, требует развития физических, а в последующем и математических принципов, определяющих прогнозные возможности сейсмических методов. Такие исследования можно проводить на заранее созданных контролируемых моделях, где изучаются вопросы, связанные особенностями распространения сейсмических волн. Наиболее контролируемыми являю..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

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..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ 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
  • 1
  • 2
  • >
  • >|
Показано с 1 по 15 из 22 (Страниц: 2)
  •  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