Поиск

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..

Оценка реальных возможностей и способы повышения информативности обработки данных ВСП с использованием интеллектуального робота АРИО

А.А. Табаков* (1), Ю.А. Степченков (1), В.Н. Ференци (1) (1 - ООО «Геоверс»)

Оптимальная обработка данных сейсморазведки является трудоемким процессом, требующим выполнения большого количества операций при высокой компетенции обработчика. В работе представлена концепция автоматической обработки данных ВСП с использованием интеллектуального робота «АРИО», которая заключается в воплощении интеллектуальной деятельности обработчика. На примере коррекции статики и формы импульс..

Геомодель 2024 Машинное обучение и ИИ Добавлено: 20.10.2024

Оценка коллекторского потенциала пород со сложной структурой емкостного пространства по данным ГИС с помощью реализации вероятностных моделей методами машинного обучения

В.Ю. Руденко* (1) (1 - ЗАО «МиМГО»)

В работе рассмотрены возможности алгоритмов машинного обучения (оптимизация Нелдера-Мида, вероятность Байеса, регрессия случайного леса, закон больших чисел, кусочные функции) для оценки коллекторского потенциала пород со сложной структурой емкостного пространства. Рассмотрены основные ограничения стандартных подходов при интерпретации изучаемых эффузивных вулканических пород. Показаны примеры рас..

Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Трещиноватые коллектора Добавлено: 17.10.2024

Оценка возможностей и ограничений использования моделей машинного обучения для прогнозирования накопленной добычи горизонтальных скважин

С.А. Пискунов* (1), Ш. Давуди (1), В.С. Рукавишников (1) (1 - НИ ТПУ)

Основная цель исследования – оценить возможность создания и дальнейшего применения моделей машинного обучения для быстрого и точного прогнозирования накопленной добычи газа горизонтальных скважин на различных временных периодах, а также выявить ключевые ограничения этого подхода. В основе лежат такие алгоритмы машинного обучения, как градиентный бустинг и случайный лес. В качестве входных параметр..

Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Горизонтальные скважины Добавлено: 17.10.2024

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)

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..

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..

Опыт разработки и внедрения на базе ПО АЭРОСИМ цифровых двойников на объекте добычи газа и конденсата и эффектов от его внедрения на примере Добринского месторождения

Е.В. Войтенков* (ООО «АЭРОГАЗ»)

В докладе рассказывается об опыте разработки и внедрения на базе ПО АЭРОСИМ цифровых двойников на объекте добычи газа и конденсата и эффектов от его внедрения на примере Добринского месторождения..

Тюмень 2024 Машинное обучение и ИИ Добавлено: 11.10.2024

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

Показано с 61 по 75 из 154 (Страниц: 11)