Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

Повышение точности сегментационных моделей с применением генеративного ИИ на примере интерпретации данных аэрофотосъёмки

С.В. Зайцев* (1), Г.С. Григорьев (1), Д.Г. Сёмин (2) (1 - Nedra Digital (ООО «НЕДРА»)), 2 - ПАО «Газпром нефть»)
Современные модели компьютерного зрения (CV) широко применяются в геологоразведоч-ных работах (ГРР) для интерпретации геодезических, геофизических и геологических дан-ных. Однако их эффективность ограничена высокой стоимостью сбора новых данных, что приводит к низкой точности предсказаний (~70%). Традиционный процесс подготовки дан-ных занимает в среднем от 2 до 6 месяцев, что существенно замедляе..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Интеллектуальный анализ Добавлено: 21.08.2025

Оценка технического состояния добывающих скважин с использованием машинного обучения

И.М. Ишкулов* (1) (1 - Институт «ТатНИПИнефть» ПАО «Татнефть»)
На поздней стадии разработки месторождений, при высокой обводненности и стареющем фонде скважин, особенно важно быстро и точно оценивать техническое состояние эксплуатационной колонны скважин. Традиционные геофизические методы, хотя и эффективны, не всегда могут быть оперативно использованы ввиду дефицита ресурсов и высокой нагрузки, что ведет к недоборам нефти, повышению затрат и экологическим ри..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Мониторинг действующих скважин Добавлено: 21.08.2025

Опыт управления данными зарубежных нефтегазовых активов в многооператорной среде: вызовы и возможности

И.Р. Шеховцова* (1) (1 - МК ООО «ГАЗПРОМ ИНТЕРНЭШНЛ ЛИМИТЕД»)
В современной практике международных нефтегазовых компаний эффективность управленческих решений существенно зависит от наличия оперативного доступа к актуальной информации о состоянии активов. Специфика нефтегазовой отрасли определяет комплексный характер аналитики, охватывающей широкий спектр показателей в ресурсно-сырьевом, производственно-технологическом, экономическом и прочих аспектах, и обос..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Интеллектуальный анализ Добавлено: 21.08.2025

Опыт применения методов машинного обучения для задачи сейсмофациального анализа на примере Казанского месторождения

А.М. Камашев* (1), П.А. Глазырин (1) (1 - НГУ)
В данной работе представлен опыт применения классических методов машинного обучения для решения задачи сейсмофациального анализа на примере продуктивного пласта Ю1 Казанского месторождения. Исследование направлено на сопоставление эффективности подходов кластерного анализа (методы K-средних, гауссовская смесь) и классификации (k-ближайших соседей, дерево решений, опорные векторы, наивный байесовск..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Машинное обучение и ИИ Добавлено: 21.08.2025

Оптимизация добычи методом обучения с подкреплением в системе скважин с различной продуктивностью и стохастическим спросом

С.А. Пискунов* (1), Ш. Давуди (1), В.В. Покатилов (1), В.С. Рукавишников (1) (1 - ТПУ)
В работе исследуется применение обучения с подкреплением (RL) для оптимизации режимов работы нефтегазовых скважин в условиях стохастического спроса. Разработана симуляционная среда, учитывающая переменный спрос, динамику давления и продуктивность скважин. Сравнивались алгоритмы DDPG и PPO, где PPO показал лучшую стабильность и эффективность благодаря клиппингу и ограничениям на обновление политики..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Исследования скважин Добавлено: 21.08.2025

Нейросетевая архитектура для решения задач геологической классификации в рамках идеологии Explainable AI

Е.Б. Магадеев* (1), И.С. Ремеев (1), А.И. Ремеев (1) (1 - ООО НПЦ "ГеоТЭК")
В работе предлагается новая нейросетевая архитектура, предназначенная для решения задач качественной интерпретации данных ГИС (выделения коллекторов, определения стратиграфии, литологии и т.д.) в рамках идеологии Explainable AI. В основе реализованной сети лежит механизм преобразования последовательности квантов глубин в скважинах в соответствующие последовательности векторов в многомерном простра..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Интеллектуальный анализ Добавлено: 21.08.2025

Комплексный анализ геолого-промысловых данных для управления разработкой морского месторождения

И.Н. Хайбрахманов* (1) (1 - ООО «Сахалинская Энергия»)
В работе представлен опыт внедрения комплексной методики анализа геолого-промысловых данных на Пильтун-Астохском морском месторождении. Разработана модульная система, объединяющая геолого-геофизические данные, результаты гидродинамического моделирования и промысловый мониторинг в едином цифровом пространстве. Ключевые компоненты решения включают: интерактивные карты с инструментами корреляции, сис..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Анализ геолого-геофизических данных Добавлено: 21.08.2025

Интеллектуальные методы прогнозирования эффективности разработки трудноизвлекаемых запасов: опыт промышленного применения

А.М. Брусничкин* (1), М.О. Мельников (2), М.С. Трухачев (2) (1 - ООО «Газпромнефть - Технологические Партнерства», 2 - НИ ТПУ)
В работе представлен подход к прогнозированию начальных дебитов и оптимизации конструкции заканчивания скважин на месторождениях с трудноизвлекаемыми запасами на основе методов машинного обучения. В условиях высокой неоднородности пластов и значительной неопределённости традиционные методы проектирования заканчивания показывают ограниченную эффективность. В рамках проекта проведён сбор и системати..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Трудноизвлекаемые запасы Добавлено: 21.08.2025

Графовые нейросети для огрубления вычислительного графа и ускорения гидродинамического моделирования месторождения

А.А. Рябов* (1), С.С. Шумилин (1), В.Т. Наумов (1), Н.Б. Явич (1), Е.В. Бурнаев (1), В.В. Вановский (1) (1 - Сколтех)
В данной работе предложен метод огрубления вычислительного графа и ускорения гидродинамического моделирования месторождения с помощью графовых нейронных сетей..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Геологическое гидродинамическое и геомеханическое моделирование Добавлено: 21.08.2025

Глубокие нейронных сети - основа методов количественной интерпретации имиджей

В.В. Абашкин (1), Г.А. Коссов* (1), С.С. Егоров (1), Д.О. Макиенко (1) (1 - ООО «Технологическая Компания Шлюмберже»)
Скважинные имиджи представляют собой метод расширенного комплекса геофизических исследований скважин, позволяющий получать своего рода «фотографии» стенок скважины, которые на петрофизическом планшете принимают вид развертки от 0 до 360 градусов. В данной работе предложен метод анализа имиджей, который позволит автоматизировать процесс предобработки, а также процесс структурно-текстурного анализа ..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 ГИС Добавлено: 21.08.2025

Гибридизация концепций ML-прогнозирования и многовариантного моделирования

А.Ю. Дегтерёв* (1) (1 - ООО «ИРМ»)
В работе на примере задачи сейсмической инверсии рассмотрена возможность гибридизации концепций ML-прогнозирования и многовариантного моделирования, где стохастичность применяемого метода прогнозирования используется для повышения достоверности прогноза и получения новой информации об объекте исследования...
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Машинное обучение и ИИ Добавлено: 21.08.2025

Гауссовские процессы для прогнозирования свойств горных пород между скважинами

А.С. Ольховиков* (1), Д.А. Коротеев (1), К.А. Антипова (1) (1 - Сколковский институт науки и технологии)
В работе представлен подход для получения механических свойств горных пород в трёхмерном пространстве. Сначала ML-модель по данным геолого-технических исследований скважин прогнозирует механические свойства горных пород вдоль ствола скважины (модуль Юнга, коэффициент Пуассона, а также модуль сдвига и модуль объёмного сжатия). Затем 1D-профили интерполируются в 3D-карту пласта методом кригинга, тра..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Интеллектуальный анализ Добавлено: 21.08.2025

Выделение сейсмообразов с помощью промпт-ориентированной сегментации

Д.П. Матвеев (1), Д.И. Ситдиков* (1), А.П. Груздев (1), А.С. Семенихин (1), В.Д. Гришко (2), Д.А. Петров (2), А.А. Козяев (2) (1 - ООО «Технологии Доверия – Консультирование», 2 - ООО «РН-КрасноярскНИПИнефть»)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Интеллектуальный анализ Добавлено: 21.08.2025

Выбор оптимального набора атрибутов для прогнозирования свойств пласта

Д.И. Костащук (1), Г.М. Митрофанов* (1, 2) (1 - НГУ, 2 - СО РАН, НГТУ)
Анализ сейсмических атрибутов, применяемый с 1930-х годов, остается одним из важнейших инструментов интерпретации данных сейсморазведки, позволяя прогнозировать характеристики коллекторов, такие как эффективная мощность, пористость, флюидонасыщенность и другие. Современные методы предполагают совместное использование множества атрибутов с учетом возможных нелинейных зависимостей, что требует выбор..
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Интеллектуальный анализ Добавлено: 21.08.2025

Аппроксимация численной модели обледенения объектов добычи нефти в арктическом регионе с использованием гибридной свёрточной нейронной сети

Г.Ю. Фишер* (1), М.Д. Вульф (1), Д.И. Эскин (1) (1 - Сколтех)
В работе приводятся результаты использования гибридной сверточной нейронной сети с физически информированной регуляризацией для аппроксимации двухфазовой задачи Стефана. Разработанное решение позволяет ускорить моделирование начальной стадия обледенения объектов добывающей инфраструктуры на арктическом шельфе...
Интеллектуальный анализ данных в нефтегазовой отрасли 2025 Интеллектуальный анализ Добавлено: 21.08.2025
  • |<
  • <
  • 1
  • 2
  • 3
  • >
  • >|
Показано с 16 по 30 из 36 (Страниц: 3)
  •  Главная
  • Все статьи
  • Связаться с нами
  •  Личный кабинет
  • Закладки
  • Подписка на рассылку

 Согласие на обработку персональных данных

Наши партнеры: IGREC.stream
Первая онлайн-площадка для бизнес-презентаций

Работает на OpenCart, club version
Библиотека Геомодель © 2026