Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

Экспертная система «ProБА». Выбор технологических решений для разработки низкопроницаемых турбидитных коллекторов Западной Сибири

И.Р. Мукминов* (1), А.Ю. Кондратьев (1), Г.В. Волков (1), А.С. Рыбакова (1), А.С. Трушко (1), Ю.С. Березовский (1), Д.В. Кириллова (1), И.А. Жданов (2), С.В. Вахрушев (3), И.И. Боков (3), О.С. Мерега (4), А.А. Денисенко (5), Д.И. Ситдиков (5), И.П. Кузнец
Целью работы является создание инструмента, позволяющего выполнять скрининг технологических решений по разработке, бурению, заканчиванию и интенсификации притока, а также определению периметра тиражирования наиболее эффективных решений, построение библиотеки технических решений для группы нефтяных пластов. Работа охватывает огромную по площади территорию (треть площади Западно-Сибирского региона),..
Геомодель 2024 Разработка месторождений Машинное обучение и ИИ Добавлено: 20.10.2024

Цифровые Экспертные Системы. Как искусственный интеллект помогает эксперту при построении геолого-геомеханических моделей

М.В. Мартюгов (1), А.С. Хорунженко (1) , Р.К. Непоп (1), Н.Ю. Смирнов (1 - ООО «ПетроГМ»)
Одной из важнейших задач в отрасли в свете импортозамещения является создание современных цифровых инструментов – программных комплексов, для разведки нефтегазоносных залежей и их последующего эффективного освоения, а ключевым подходом к разработке таких комплексов стало создание Цифровых Экспертных Систем (ЦЭС). Преимущество ЦЭС состоит в том, что при ее проектировании знания и опыт эксперта закл..
Тюмень 2024 Машинное обучение и ИИ Добавлено: 11.10.2024

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

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

Ускорение гидродинамического моделирования месторождения за счёт прогнозирования в реальном времени начального приближения в итерационном процессе Ньютона-Рафсона

М.Т. Петросянц* (1), В.О. Трифонов (1), Е.А. Илларионов (1,2), Д.А. Коротеев (1) (1 - Сколковский институт науки и технологий, 2 - Московский Государственный Университет)
Мы изучаем линейные модели предсказания начального приближения итерационного солвера Ньютона-Рафсона, используемого в симуляции разработки месторождений. Эти модели используют для предсказания предыдущие шаги симуляции, а их параметры оцениваются обычным методом наименьших квадратов. Ключевой особенностью подхода является то, что оценка параметров производится по данным, полученным непосредственно..
Геомодель 2024 Геологическое гидродинамическое и геомеханическое моделирование Машинное обучение и ИИ Добавлено: 20.10.2024

Управление заводнением с использованием методов машинного обучения

М.Н. Харисов (1) (1 - ООО «РН-БашНИПИнефть»)
Заводнение является одним из основных методов повышения эффективности разработки нефтяных месторождений. Рационализация системы поддержания пластового давления включает проведение геолого-технических мероприятий (ГТМ) по изменению приемистости нагнетательных скважин для увеличения добычи флюида на реагирующем добывающем фонде. Применение методов машинного обучения для поиска скважин на проведение ..
Геомодель 2024 Разработка месторождений Машинное обучение и ИИ Добавлено: 20.10.2024

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

Технология поиска месторождений – аналогов

М.Ю. Карпушин* (1,2), А.А. Суслова (1,2), А.В. Ступакова (1,2), А.А. Коршунов (1,2), А.Ю. Беззубов (1,2), Н.В. Белецкая (1,2), Р.С. Сауткин (1,2), В.В. Чернявский (1,2), А.П. Антонов (1,2) (1 - МГУ имени М.В. Ломоносова, 2 - Институт Перспективных Исследо
На начальных этапах развития месторождения имеется большое количество неизвестных параметров, влияющих на объем запасов, выбор схемы разработки и экономику проекта. Причем нужно отметить, что большинство проектных решений принимается именно в самом начале в условиях больших рисков и неопределенностей, а полная и достоверная информация о месторождении становится доступна только к концу его эксплуат..
Геомодель 2024 Анализ рисков Машинное обучение и ИИ Добавлено: 20.10.2024

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

Технологии искусственного интеллекта для снижения рисков при планировании и сейсмогеологическом сопровождении эксплуатационного бурения на примере Куюмбинского НГКМ

П.А. Авдеев* (ООО «ГридПоинт Дайнамикс»)
Риски традиционно являются прогнозируемыми негативными событиями, которые могут случиться, либо не случиться, с той или иной долей вероятности. Когда мы рассматриваем риски, то существует два важных аспекта – цена риска и ценность «приза». В нефтегазовой отрасли цена риска особенно высока: так, например, риск при разработке месторождения Восточной Сибири горизонтальным бурением – это потеря эксплу..
БайкалГео'24 Региональная геология Машинное обучение и ИИ Добавлено: 29.07.2024

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

Современные технологии построения структурно-тектонической модели геологической среды на основе данных аэрогравимагнитной съемки и сейсморазведки МОГТ-2D

А.В. Колмаков* (1), А.Л. Мейснер (1), А.А. Трусов (1) (1 - АО ГНПП «Аэрогеофизика»)
В докладе рассматривается вопрос применения различных алгоритмов машинного обучения (LASSO-регрессия (LASSO-regression), градиентный бустинг (Gradient boosting), искусственные нейронные сети (Artificial neural network)) для восстановления морфологии отражающих горизонтов в межпрофильном пространстве сейсмических данных по материалам площадной аэрогравимагнитной съемки. Затрагивается вопрос, касающ..
Санкт-Петербург 2023 Комплексирование геофизических методов Машинное обучение и ИИ Добавлено: 31.05.2023

Современные методы анализа временных рядов в мониторинге и прогнозировании состояния оборудования для механизированной добычи

А.А. Незнанов (1), А.А. Глушко* (1), С.Б. Овчинников (1), Н.Ф. Тарелко (1) (1 - ООО «Системы телекоммуникаций и информационной безопасности Шлюмберже»)
С развитием систем мониторинга мы получили возможность собирать ключевые показатели работы устройств в процессе механизированной добычи. Каждый день генерируется огромное количество телеметрии, которая пройдя процесс гармонизации и трансформации может быть использована для прогнозирования состояния оборудования. В докладе представлен обзор и произведён отбор современных математических методов и пр..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Техника и технологии добычи Добавлено: 17.10.2024

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
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • >
  • >|
Показано с 1 по 15 из 139 (Страниц: 10)
  •  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