Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

Использование технологии машинного обучения для решения задачи восстановления спектра волнового поля

В.О. Смирнова* (1,2), А.В. Буторин (1) (1 - ООО «Газпромнефть НТЦ», 2 - Санкт-Петербургский государственный университет)
В современных работах использование спектральной информации для изучения свойств и строения пластов находит все большее применение. Спектральный анализ волнового поля позволяет изучить динамическое распределение энергии по частотным компонентам, которое в дальнейшем может быть использовано при геологической интерпретации. В данном исследовании на модельных данных были рассмотрены основные методы и..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Использование компьютерного зрения для предсказания свойств бурового шлама

Л. Исмаилова* (1), А. Шакиров (1), М. Мезгани (2) (1 - Aramco Innovations, 2 - Saudi Aramco)
Буровой шлам представляет собой кусочки породы, которые образуются в процессе бурения. Эти кусочки породы могут служить уникальным источником информации. Данная работа посвящена использованию компьютерного зрения фотографий шлама для автоматического анализа свойств породы...
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Использование алгоритмов предобработки фотографий керна для целей автоматизации процесса макро- и литологического описания

В.П. Артамонов (1)*, Н.К. Каюров (1) (1 - ООО «ННТЦ»)
Фотографии керна являются прямым источником информации о составе, свойствах и параметрах горных пород, слагающих литологический разрез месторождения. Помимо лабораторных физических и химических методов анализа вещества, важным этапом в изучении керна является его визуальное описание. Одной из основных задач визуального описания является сегментация керна – выделение различных литотипов и определен..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Петрофизика и исследование керна Добавлено: 17.05.2023

Выявление скрытых геологических закономерностей в сейсмических данных с помощью метода главных компонент

А. Волкова* (1) (1 - Томский политехнический университет)
На примере одного из месторождений Западной Сибири методом главных компонент были выявлены и подчёркнуты скрытые геологические особенности, которые не проявлялись при анализе исходных данных. Наиболее значимые компоненты (факторы) были объединены в единую схему с помощью RGB-смешивания цветовых палеток. Полученный результат дополняет огрублённую схему кластеров, построенную методами сейсмофациальн..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Добавлено: 17.05.2023

Анализ геофизических данных с использованием открытых библиотек Python. Примеры реализации

А.В. Буторин* (1) (1 - ООО «Газпромнефть НТЦ»)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Алгоритм автоматической увязки разнотипных данных ГИС

М.С. Поспелков (1) (1 - ООО «НОВАТЭК НТЦ»)
Описан алгоритм автоматической увязки разнотипных данных ГИС...
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Добавлено: 17.05.2023

Implementation of ML models in the everyday workflow of a petrophysicist

T. Micić Ponjiger (1), S. Šešum (1), M.V. Naugolnov* (1) (1 - NTC NIS-Naftagas)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023
  • |<
  • <
  • 1
  • 2
Показано с 16 по 22 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