Цифровизация - статьи журнала Neftegaz.RU

Авторы рассматривают подходы и методы машинного обучения для прогнозирования вероятности различных типов чрезвычайных ситуаций, возникающих при арктических перевозках судами смешанного типа «река-море» на основе входного набора данных, и предлагают модели решения задач прогнозирования чрезвычайных ситуаций в условиях Северного морского пути. В статье приведена классификация входных данных для алгоритмов машинного обучения, выявлены проблемы в данных и их характеристиках и предложены варианты решения этих проблем.

Применимость использования алгоритмов машинного обучения для решения задач в области сейсмической интерпретации является актуальным вопросом. В данной статье представлено сравнение результатов тестирования алгоритмов машинного обучения, интегрированных в ПО IP-Seismic. Полученные результаты могут быть использованы для построения трендов в процессе моделирования.

Одним из ключевых методов интерпретации сейсмических данных в неокомском клиноформном комплексе севера Западной Сибири является синхронная инверсия: ввиду присутствия в целевом интервале разреза низкоимпедансных глин, только по совокупным значениям продольного импеданса (Pimp) и отношения скорости продольной волны к поперечной (Vp/Vs) возможно уверенно выполнить литологическое разделение разреза. В связи с чем особенно остро встаёт вопрос о выполнении синхронной инверсии в условиях дефицита скважинной информации, что является целью данной работы. В статье предлагается решение данной проблемы с помощью скважины, перенесённой с соседнего лицензионного участка (ЛУ) внутри границ клиноформного комплекса вдоль шельфа с помощью алгоритма Roy White, базирующегося на сейсмическом сканировании синтетических данных с каждой трассой в сейсмическом объеме (или его части). В работе представлены оценка качества проведённых инверсионных преобразований и сопоставление с результатами синхронной инверсии на основе скважины, расположенной в пределах куба. Ожидается, что результаты работы позволят повысить эффективность геологоразведочных работ в условиях ограниченного количества скважинной информации.