Нефть и алгоритмы: как искусственный интеллект превращает данные в энергию

Обложка

Цитировать

Полный текст

Аннотация

В статье рассматривается применение искусственного интеллекта в нефтяной промышленности, акцентируя внимание на трансформации данных в новые источники энергии. Искусственный интеллект используется для оптимизации процессов добычи и переработки нефти, что способствует повышению производительности, снижению затрат и увеличению безопасности. Внедрение инновационных алгоритмов, таких как машинное обучение и интернет вещей, позволяет значительно улучшить точность прогнозирования, выявление скрытых закономерностей и автоматизацию процессов. Эти технологии помогают эффективно управлять рисками, минимизировать затраты и ускорить операции, а также повышают экологическую устойчивость. Искусственный интеллект способствует рациональному использованию природных ресурсов и снижению воздействия на окружающую среду, улучшая как экономические, так и экологические показатели нефтяных компаний. В целом, использование искусственного интеллекта в нефтяной отрасли открывает новые возможности для более эффективного и экологически безопасного производства, делая процессы более устойчивыми в долгосрочной перспективе.

Об авторах

Айгерим Байдуллаевна Сейтимбетова

Карагандинский университет имени академика Е.А. Букетова

Email: sab.buketov.2022@gmail.com
ORCID iD: 0009-0000-8755-7992
Казахстан, г. Караганда

Алевтина Сергеевна Шульгина-Таращук

Карагандинский университет имени академика Е.А. Букетова

Автор, ответственный за переписку.
Email: alevtinash79@mail.ru
ORCID iD: 0009-0000-4759-9389
Казахстан, г. Караганда

Айжан Сагиндыковна Смаилова

Карагандинский университет имени академика Е.А. Букетова

Email: smailova.buketov@gmail.com
ORCID iD: 0000-0003-2936-0336
Казахстан, г. Караганда

Список литературы

  1. Smith J. Modern Technologies in Oil and Gas Industry. New York : Science Publishing, 2021. 350 p.
  2. Brown T.L. Artificial Intelligence: Challenges and Future Prospects. London : Academic Press, 2021. 220 p.
  3. Колбикова Е.С. Литофациальный анализ и возможности прогнозирования свойств по данным геофизических исследований и сейсморазведки методами машинного обучения // Вестник нефтегазовой отрасли Казахстана. 2021.Т. 3, №4. C. 34–39. doi: 10.54859/kjogi99690.
  4. Жетруов Ж.Т., Шаяхмет К.Н., Карсыбаев К.К., и др. Применение прокси-моделей при прогнозировании параметров разработки нефтяных залежей // Вестник нефтегазовой отрасли Кказахстана. 2022. Т. 4, №2. С. 48–57. doi: 10.54859/kjogi108021.
  5. Williams R.G. Energy and Environment: The New Paradigms. Los Angeles : Energy Books, 2022. 280 p.
  6. Johnson P.D. The Future of Oil and Gas: Sustainable Solutions. Chicago: Global Energy Publishers, 2022. 310 p.
  7. Miller A.J. Digitalization in Energy: Technologies and Strategies. San Francisco : Energy Solutions, 2023. 260 p.
  8. Taylor M.C. Artificial Intelligence in the Energy Sector. Boston : Tech Innovations, 2023. 230 p.
  9. Davis B.P. Innovative Methods in Oil Exploration and Extraction. Houston : Oil & Gas Press, 2022. 375 p.
  10. Wilson C.A. Smart Energy Systems: Artificial intelligence and Beyond. Oxford : Future Energy Publications, 2022. 300 p.
  11. Evans R.J. Energy Markets and Artificial Intelligence: A New Era. Cambridge : Energy Insights, 2021. 320 p.
  12. Dutta D., Upreti S.R. Artificial intelligence-based process control in chemical, biochemical, and biomedical engineering // Canadian Journal of Chemical Engineering. 2021. Vol. 99, Issue 11. P. 2467–2504. doi: 10.1002/cjce.24246.
  13. Terkina A. Use of information technology by engineers in the oil and gas industry // Recent Achievements and Prospects of Innovations and Technologies. 2022. Vol. 1. P. 122–128.
  14. Grimberg H., Tiwari V.S., Tam B., et al. Machine learning approaches to optimize small-molecule inhibitors for RNA targeting // Journal of Cheminformatics. 2022. Vol. 14, N 1. P. 1–15. doi: 10.1186/s13321-022-00583-x.
  15. Gallegos M., Vassilev-Galindo V., Poltavsky I., et al. Explainable chemical artificial intelligence from accurate machine learning of real-space chemical descriptors // Nature Communications. 2024. Vol. 155. doi: 10.1038/s41467-024-48567-9.
  16. Parker D.L. Artificial Intelligence and the Future of Energy. Toronto : GlobalTech, 2023. 210 p.
  17. Abisha J.J., Janaki M. Cyber security for chemical plant using artificial intelligence // International Journal of Computer Science and Mobile Computing. 2024. Vol. 13, Issue 5. P. 116–129. doi: 10.47760/ijcsmc.2024.v13i05.012.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
2. Рисунок 1. Программа

Скачать (515KB)
3. Рисунок 2. Фактический и прогнозируемый объем добычи нефти

Скачать (48KB)
4. Рисунок 3. Визуализация давления, температуры и выхода масла

Скачать (48KB)

© Сейтимбетова А.Б., Шульгина-Таращук А.С., Смаилова А.С., 2025

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».