Библиотека Геомодель
Каталог Поиск
  • Регистрация
  • Вход

  • Поиск

Поиск

@

Результаты поиска

Практические примеры повышения объективности принимаемых геологических концепций на базе искусственного интеллекта

А.С. Семенихин (1), А.С. Сидубаев (2), З.М. Бочкова (3), М.Е. Кубанина* (1), О.Т. Осмоналиева (2) (1 - ООО «Цифровая Формула Доверия», 2 - ООО «Газпромнефть НТЦ», 3 - ПАО «Газпром нефть»))
На раннем этапе жизни месторождения Команда проекта по созданию концептуальной геологической модели работает в условиях недостатка информации. Ввиду высоких неопределенностей, решения на этапе геологоразведки зачастую оказываются под влиянием когнитивных искажений, приводящих к завышению или занижению оценки запасов и ресурсов и, как следствие, к неоптимальным инвестиционным решениям. Мировая прак..
ПроГРРесс 2023 Машинное обучение и ИИ Добавлено: 08.11.2023

Практика реализации алгоритмов машинного обучения для прогноза эффективных толщин при планировании геолого-разведочных работ

А.О. Потапов* (1), Г.М. Тимошенко (1) (1 - ООО «Газпром нефть шельф»)
Традиционной методикой определения потенциальных эффективных толщин в рамках оценки ресурсной базы поисковых объектов является построение простейшей линейной регрессии от общих толщин или, в ещё более общем случае, расчёт через коэффициент песчанистости, определённый как среднее по скважинам месторождений-аналогов. Стоимость геолого-разведочных работ (ГРР) на месторождениях, расположенных в аквато..
Интеллектуальный анализ данных в нефтегазовой отрасли 2024 Машинное обучение и ИИ Оценка запасов Добавлено: 17.10.2024

Построение синтетической кривой плотностного каротажа при помощи нейронных сетей

Ж.М. Давронов* (1), Б.В. Платов (1) (1 - ФГАОУВО «Казанский (Приволжский) Федеральный Университет»)
..
Геомодель 2022 Машинное обучение и ИИ Добавлено: 17.05.2023

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

Помехоустойчивость и точность локализации микротрещин при гидроразрыве пластов с помощью интеллектуального робота «АРИО»

А.А. Табаков* (1), Ю.А. Степченков (1), В.Н. Ференци (1) (1 - ООО "Геоверс")
Сейсмомониторинг при ГРП является актуальной проблемой, поскольку направление развития трещины определяет разработку месторождения. Существующие методы основаны на решении обратной кинематической задачи по годографам от визуально прослеживаемых волн различных типов, возникающих в процессе образования трещин. Эти подходы трудоемки и требуют специалистов с высокой квалификацией. Представлен метод ав..
Санкт-Петербург 2024 ГРП Машинное обучение и ИИ Добавлено: 26.05.2024

Полноволновая инверсия (FWI) с применением технологий машинного обучения

K.Р. Овчинников* (1), Д.С. Сёмин (1), С.В. Зайцев (1) (1 - Nedra Digital (ООО «НЕДРА»))
..
Санкт-Петербург 2026 Машинное обучение и ИИ Добавлено: 08.05.2026

Поиски месторождений полезных ископаемых как естественно-научный процесс в эпоху искусственного интеллекта

В.В. Колесов* (1) (1 - ИПНГ РАН)  
..
Геомодель 2025 Машинное обучение и ИИ Добавлено: 23.09.2025

Подавление численной дисперсии методами машинного обучения при трехмерном сейсмическом моделировании

В.В. Лисица* (1), К.Г. Гадыльшин (1), Д.М. Вишневский (1) (1 - ИНГГ СО РАН)
В работе представлен оригинальный метод численного моделирования волновых сейсмических полей. Подход основан на комбинировании классических сеточных методов, в частности, метода конечных разностей и методов машинного обучения, применяемых для подавления численной дисперсии и коррекции данных. Показано, что в трехмерной постановке при моделировании данных для площадных систем наблюдения представлен..
Санкт-Петербург 2024 Машинное обучение и ИИ Добавлено: 26.05.2024

Повышение эффективности процедуры детектирования микросейсмических событий при микросейсмическом мониторинге с поверхности сверточной нейросетью

И.В. Скворцов* (1), В.А. Рыжов(1) (1 - ООО «ИАС»)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

Повышение эффективности геонавигации с помощью технологий компьютерного зрения

А.В. Галкина* (1), М.Ю. Лисицына (1), Т.Р. Рахимов (1) (1 - АО «ИГиРГИ»)
..
Интеллектуальный анализ данных в нефтегазовой отрасли 2022 Интеллектуальный анализ Машинное обучение и ИИ Добавлено: 17.05.2023

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

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
  • |<
  • <
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7
  • 8
  • 9
  • >
  • >|
Показано с 61 по 75 из 168 (Страниц: 12)
  •  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