Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

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

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)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

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..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

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 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 гибридных моделей в группе компаний Газпром нефть

М.В. Симонов* (1), Н.С. Марков (1), А.А. Афанасьев (1), К.А. Печко (2), С.П. Бажуков (3) (1 - группа компаний Газпром нефть, 2 - Саратовский государственный университет, 3 - Уфимский государственный нефтяной технический университет)
В настоящее время всё большую актуальность приобретает использование гибридных моделей для нефтедобычи. Это связано с тем, что традиционные методы добычи нефти становятся менее эффективными из-за исчерпания легкодоступных запасов и увеличения сложности разработки месторождений. Гибридные модели позволяют объединить различные технологии и подходы для повышения эффективности добычи нефти. Они могут ..
Геомодель 2024 Машинное обучение и ИИ Алгоритмы обработки геолого-геофизической информации Добавлено: 20.10.2024

Опыт исследования строения русловых систем с использованием сверточных нейронных сетей

Д.Е. Мирошниченко* (1), П.А. Алексеева (2), Т.Н. Кирьянова (1), Керусов И.Н. (1), А.А. Баранцев (1) (1 - ООО «ЛУКОЙЛ-Инжиниринг», 2 – ЗАО «Моделирование и Мониторинг Геологических Объектов им. В.А. Двуреченского»)
Бурное развитие нейросетевых алгоритмов в последние несколько лет создало новые возможности для автоматического выделения геологических объектов по данным сейсморазведки 3D. Этот новый инструмент позволяет не только увеличить скорость работы геофизика, но и получить новый уникальные результаты недоступные в прошлом. В основе использованного в работе нейросетевого алгоритма лежит сверточная нейронн..
Санкт-Петербург 2024 Западная Сибирь Машинное обучение и ИИ Добавлено: 26.05.2024

Опыт использования результатов машинного обучения для прогноза эффективных толщин и свойств коллекторов на примере одного из месторождений ЯНАО

К.А. Богданова* (1), Е. Н. Петренко (2), Е.Е. Боровкова (2),(1- АО «Мессояханефтегаз», 2- ГК «Газпром нефть»)
Цель данной работы: транслировать опыт применения результатов машинного обучения сейсмических данных на различных пластах одного из месторождений ЯНАО. Объекты исследования: пласты ПК1-3, БУ15 и БУ21-2, представленные отложениями различного генезиса с различными вариациями свойств. Расчеты прогнозных параметров на основе машинного обучения проведены посредством полнофункциональных нейронных сетей ..
Тюмень 2024 Машинное обучение и ИИ Добавлено: 11.10.2024

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

Оптимизация тренировочной выборки для NDM-net, подавляющей численную дисперсию в волновых полях

Е.А. Гондюл* (1), В.В. Лисица (1), К.А. Гадыльшин (1), Д.М. Вишневский (1) ( 1 - ИНГГ СО РАН)
Работа посвящена построению репрезентативной выборки для обучения нейронной сети NDM-net (Numerical Dispersion Mitigation Neural Network), которая подавляет численную дисперсию в рассчитанных сейсмограммах с использованием грубой сетки для ускорения моделирования волновых полей. Обучающая выборка формируется при использовании линейной комбинации трёх метрик: физическое расстояние между положениями..
Санкт-Петербург 2024 Машинное обучение и ИИ Обработка сейсмических данных Добавлено: 26.05.2024

Оптимизация нагнетания для повышения добычи нефти по итогам количественной оценки межскважинной интерференции на основе долговременного мониторинга давления и дебита

А.Н. Никонорова* (1), В.Ю. Ким (2), А.С. Наумов (1), Д.Н. Гуляев (3), А. Аюпов (3), Р.А. Мингараев (4) (1 - РГУ нефти и газа (НИУ) имени И.М. Губкина, 2 - ООО "ИНК", 3 - ООО "Софойл", 4 - ООО "Поликод")
Для того, чтобы оптимизировать режимы работы скважин, в первую очередь нагнетательных, необходимо иметь полное представление о гидродинамической связности объекта и количественном влиянии работы нагнетательных скважин на добывающее окружение. Подобные оценки возможно выполнить на основе исторических данных об изменении забойного давления и дебита скважин благодаря использованию математического алг..
Геомодель 2023 Машинное обучение и ИИ Добавлено: 30.09.2023

Определение эффективности работы глубинных скважинных насосов для добычи нефти применением множественной линеарной регрессии

М. Ешич (1), Т. Мицич-Понигэр (1), Б. Мартинович (1) (1 - НТЦ НИС Нафтагаз)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023
  • |<
  • <
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • >
  • >|
Показано с 61 по 75 из 140 (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