К проекту технологии нейросетевого анализа для решения задач нефтегазовой геофизики

Обложка

Цитировать

Полный текст

Аннотация

   Нейросетевой анализ (НСА) является перспективным направлением повышения эффективности нефтегазовой геофизики и нефтегазовой отрасли. Анализ полученного опыта использования имеющихся методов и пакетов программ НСА при решении задач нефтегазовой геофизики свидетельствует об отсутствии существенного (прорывного) эффекта.Для достижения значимого эффекта предлагается переходить от методов к технологиям НСА. В работе предложена принципиальная архитектура технологии нейросетевого анализа для решения задач нефтегазовой геофизики, включающая в себя конструктор нейросетей; подсистему обучения геофизика в области НСА; цифровой полигон; базу знаний (о задачах, методах НСА, методиках и опыте решения прикладных задач). Обсуждаются элементы предлагаемой технологии и их взаимосвязь. Кратко охарактеризован пилотный вариант предлагаемой технологии, включающий ее основные элементы, ориентированный, прежде всего, на обучение специалистов. Результаты апробации пилотного варианта показали эффективность предлагаемой технологии. Определены первоочередные научные и технологические задачи развития предлагаемой технологии.

Об авторах

С. К. Туренко

Тюменский индустриальный университет

Email: turenkosk@tyuiu.ru
ORCID iD: 0000-0002-3133-2193

Список литературы

  1. Туренко, С. К. О цифровизации нефтегазовой геофизики / С. К. Туренко. – doi: 10.33285/0132-2222-2021-6(575)-23-28. – Текст : непосредственный // Автоматизация, телемеханизация и связь в нефтяной промышленности. – 2021. – № 6 (575). – С. 23–28.
  2. Туренко, С. К. Об использовании методов нейросетевого анализа в нефтегазовой геофизике / С. К. Туренко – Текст : непосредственный // Геология и минерально-сырьевые ресурсы Сибири. – 2024. – № 1. – С. 66–71.
  3. Ипатова, Э. Методологии и технологии системного проектирования информационных систем / Э. Ипатова, Ю. Ипатов. – Москва : ФЛИНТА, 2021. – 257 с. – Текст : непосредственный.
  4. Гаврилова, Т. А. Базы знаний интеллектуальных систем / Т. А. Гаврилова, В. Ф. Хорошевский. – Санкт-Петербург : Питер, 2001. – 384 с. – Текст : непосредственный.
  5. Кириченко, А. А. Конструирование искусственных нейронных ансамблей (ИНА) / А. А. Кириченко. – 2020. – URL: https://ridero.ru/books/konstruirovanie_iskusstvennykh_neironnykh_ansamblei_ina/freeText/#freeTextContainer. – Текст : электронный.
  6. Корчагин, О. А. Цифровые геофизические полигоны как важный фактор развития отечественных программных комплексов для геологоразведочных работ на углеводороды / О. А. Корчагин. – Текст : непосредственный // Минеральные ресурсы России. Экономика и управление. – 2023. – № 6 (185). – С. 54–59.
  7. Виртуальный тренажер-нейросимулятор для решения задач нефтегазовой геофизики «Geophysics Neural Simulator». Свидетельство о государственной регистрации программ для ЭВМ : № 2021681055 : заявл. 10.11.21 : опубл. 17. 11. 21 / Туренко С. К., Аристов А. И. – Текст : непосредственный.
  8. Цифровая модель текстурно-неоднородных пород-коллекторов. Свидетельство о государственной регистрации программ для ЭВМ : № 2022617868 : заявл. 15. 04. 22 : опубл. 26. 04. 22 / Брюханова Е. В., Мамяшев В. Г., Туренко С. К., Аристов А. И. – Текст : непосредственный.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).