Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

Цифровизация как способ реинжиниринга бизнес-процессов: на примере «Цифровой платформы по контролю пескопроявлений»

М. Николич*, М.В. Наугольнов (НТЦ НИС-Нафтагас)
Вынос песка часто наблюдается при разработке слабоконсолидированных коллекторов. Более 60% добычи Нефтяной индустрии Сербии обеспечивается за счет песконесущего фонда. Потери добычи нефти из-за выноса песка составляют до 20% годовой добычи. Для решения указанных проблем было принято решение разработать «Цифровую платформу контроля песка» («Di.S.Co»), которая должна способствовать снижению затрат з..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Универсальный математический аппарат аппроксимации геофизических объектов на основе нового класса функций «фурье-сплайны»

А.С. Горшков* (независимый исследователь)
В основе метода аппроксимации как регулярных, так и нерегулярных данных включая сейсмические лежит предложенный автором новый класс финитных функций «фурье-сплайны», имеющий принципиальные преимущества перед известными методами, например, традиционными кубическими В-сплайнами. Алгоритмически метод оптимизирован применением в решении для обращения системных общих и ленточных регрессионных матриц ус..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Топологический анализ исторических данных месторождения для извлечения значимой информации в задаче автоадаптации

А. В. Веткина* (1), Г. Ю. Шишаев (1), И. В. Матвеев (1) (1 - Центр подготовки и переподготовки специалистов нефтегазового дела Томского политехнического университета, Томск, Россия)
В работе описан способ применения топологического анализа данных к временным рядам, представляющим собой производственные данные месторождения, для того, чтобы показать, что для задачи автоматизированной адаптации геолого-гидродинамической модели не требуется весь набор имеющихся исторических данных. Вместо этого рекомендуется настраивать модель только на критические данные, т.е. данные, имеющие в..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Создание оптимального плана-графика ремонтных мероприятий на скважинах

Ю.В. Дрей* (1), М.А. Сергиенко (1), Н.Е. Хованский (1) (1 - АТОЛЛис)
Эксплуатация скважин неразрывно связана с необходимостью мониторинга их состояний, выполнения текущего и капитального ремонта. План-график ремонтных мероприятий составляется вручную на основе списка скважин-кандидатов. Он представляет собой посуточный календарь выполняемых на каждой скважине ремонтов с указанием исполнителя (ремонтной бригады). Как правило, количество и оснащённость исполнителей н..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Совместное решение минерально-компонентной и петроупругой моделей

А.В. Марков* (1), И.Д. Латыпов(1) (1 - ООО «РН-БашНИПИнефть»)
Основой для петроупругого моделирования (ПУМ) является минерально-компонентная модель (МКМ). При настройке МКМ все чаще участвуют кривые плотностного каротажа и кривой времени пробега продольной волны (dt_p) в связи с необходимостью моделирования сложносоставных коллекторов. На данный момент процессы петрофизического и петроупругого моделирования выполняются последовательно и зачастую отдельными с..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Реализация высокоразрешающей акустической инверсии при помощи алгоритма разряженной аппроксимации

А.В. Буторин (ООО "Газпромнефть НТЦ")
Данные сейсморазведки характеризуются ограниченной полосой частот, что приводит к возникновению тюнинг-эффекта и проявляется в ограниченной вертикальной разрешающей способности. При малой мощности пластов возникает неопределенность, связанная с невозможностью отображения из-за интерференции отражений от границ. Повышение разрешающей способности и детальности решения является одной из основных проб..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Разработка суррогатной модели очистки трещины ГРП

А.А. Галлямов* (1) , С.А. Боронин (1) , А.А. Осипцов (1) , Е.В. Бурнаев (1) (1 - Сколковский институт науки и технологий, Сколтех)
Исследование посвящено разработке суррогатной модели очистки трещины гидроразрыва пласта (ГРП) с использованием комбинации ранее созданной механистической модели и алгоритмов машинного обучения с целью существенного ускорения проведения численных расчетов. Быстрое моделирование процесса очистки трещины необходимо для выполнения большого количества вычислений при адаптации модели (history matching)..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Разработка онлайн сервиса для обработки больших данных на примере системы распределенного акустического мониторинга (DAS) скважин

И.В. Скворцов* (1), В.А. Рыжов (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 настоящее время существуют различные платформы, позволяющие проводить научные вычисления. Несмотря на их популярность и активность использования, такие платформы не лишены недостатков. В этой статье приведен краткий обзор существующих платформ, перечислены их основные недостатки. На основании выявленных недостатков для разработки и вычислений предлагается использовать цифровую платформу RnDFlow...
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Применение программной платформы CyberStudio для предиктивной аналитики ГПА

М.П. Гусев* (1), С.Н. Николаев (1), П. Касилов (1), И.Ю.Гаврилов (1), С.И. Гавриленков (1), Д. В. Косовский (1) (1 - ООО Сайберфизикс)
В докладе представлен опыт применения платформы для предиктивной аналитики оборудования ГПА Новопортовского месторождения. В рамках проекта разрабатывались предиктивные модели для компрессоров и турбин. По результатам проекта показаны принципы разработки физически обоснованных предиктивных моделей, а также как платформа диагностирует неисправности на агрегатах...
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Применение нейронного оператора Фурье (FNO) для ускорения расчета гидродинамических моделей

И.В. Матвеев (1), Г.Ю. Шишаев (1), А.В. Веткина (1), М.А. Сальников (1) (НИ ТПУ)
Работа посвящена применению нейронного оператора Фурье (FNO) и его модификации (U-FNO) для аппроксимации решения уравнений потока трехфазной системы (нефть-вода-газ). Применение нейронного оператора Фурье, U-FNO, позволило не только существенно ускорить проводимые расчеты, но и точность получаемых результатов (распределение поля давление и насыщенности в модели) поддерживалась на достаточно высоко..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Построение каталога данных над источниками промысловых и геолого-геофизических данных для крупных нефтедобывающих компаний

А. И. Мугалев* (1), И. И. Мугалев (1) (1 - АТОЛЛис)
В данной работе рассматривается задача интеграции данных из разнородных источников, относящихся к одной предметной области. Она актуальна для большинства отраслей и областей деятельности, где требуется интенсивная работа с данным. Чем шире ландшафт используемых в отрасли информационных систем, производящих и использующих данные, и выше разнообразие производственных и бизнес-процессов, тем острее с..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Повышение достоверности и детальности понимания тектонической модели одного из геологически сложных месторождений Восточной Сибири с применением программ тектонического анализа на основе алгоритмов компьютерного зрения.

Е.Н. Черепанов* (АО «ИГиРГИ»), Д.Ю. Ткаченко (АО «ИГиРГИ»), П.Ю. Кузьмин (АО Славнефть-Красноярскнефтегаз»), П.А. Авдеев (ООО «ГридПоинт Дайнамикс»), А.К. Базанов (ООО «ГридПоинт Дайнамикс»), И.И. Ефремов (ООО «ГридПоинт Дайнамикс»), Р.Ф. Мифтахов (ООО «Г
Главной целью этапа кинематической интерпретации сейсмических данных традиционно является определение структурных особенностей геологического разреза, при этом особое внимание уделяется геометрии изучаемого объекта. Цена ошибки на данном этапе работ достаточно велика, однако процессы интерпретации по-прежнему остаются одними из самых трудоемких. Сложности обусловлены прежде всего необходимостью по..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Опыт разработки инструментов предиктивной аналитики работы ЭЦН для месторождений Республики Сербия

М.В. Наугольнов* (1), Ф. Матович (2), Д. Видич (2), С.Г. Басов (2) (1 - НТЦ НИС-Нафтагас, 2 - НИС-Нафтагас)
Разработка технологии прогнозирования отказов электроцентробежных насосов (ЭЦН) на сегодняшний день является одной из самых актуальных и популярных задач нефтяной отрасли. Простые статистические методы не позволяют предсказать отказ оборудования и его причину, что позволило бы вовремя выбрать и провести плановое профилактическое мероприятие. В данной работе описывается опыт разработки инструментов..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Опыт внедрения R&D разработок в реальные производственные процессы обработки данных или рождение цифровой платформы на примере разработки ПО для микросейсмического мониторинга

В.А. Рыжов* (1), Д.К. Завалишин (2), Е.А. Молчанов (2), М.Р. Галимов (2) (1 - ООО "ИАС"; 2 - АО "ДЗ-Системс")
Рассматривается комплекс проблем, возникающих на этапе внедрения R&D разработок ПО в производственный процесс на примере нашего опыта разработки программного обеспечения для микросейсмического мониторинга, в котором используется вычислительно-нагруженный многоэтапный процесс обработки, требующий распределенных кластерных вычислений. В статье поэтапно показан исторический процесс рождения Платформы..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023

Определение литологического состава образцов бурового выноса по цифровым изображениям

Е. Толстая * (1), А. Шакиров (1), М. Мезгани (2) (1 - Aramco Innovations LLC; 2 - Saudi Aramco)
Автоматизация определения литологического состава пород в процессе бурения представляет собой актуальную задачу в разработке нефтяных месторождений. Во время бурения скважины вращающееся долото разбивает горные породы в скважине, а буровой раствор вымывает куски породы на поверхность. На поверхности раздробленные породы попадают на вибросито, где из них фильтруется буровой раствор для рециркуляции..
Интеллектуальный анализ данных в нефтегазовой отрасли 2023 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 11.10.2023
  • 1
  • 2
  • 3
  • >
  • >|
Показано с 1 по 15 из 32 (Страниц: 3)
  •  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