Интеллектуальный анализ данных в нефтегазовой отрасли 2023
Европейская ассоциация геоучёных и инженеров (EAGE) приглашает принять участие во второй региональной конференции «Интеллектуальный анализ данных в нефтегазовой отрасли»
За прошедшие три года конференция претерпела много изменений. Процессы аналитики и применяемые подходы становились сложнее, мы перешли от повторения широко известных методов к созданию собственных уникальных решений.
Нефтегазовая отрасль отличается сложными, неоднородными, слабоизученными системами. Нефтяные пласты, динамика добычи, результаты в геофизических исследованиях — все это системы с высокой долей неопределенности, связанной с недостатком знаний. Для описания таких систем методами машинного обучения требуется создание цифровых двойников не просто для предсказания поведения системы в будущем, а больше для понимания того, с каким состоянием системы мы работаем в конкретный момент времени.
Это заставляет двигать интеллектуальный анализ данных в области создания сложных, самообучающихся цифровых двойников, способных снижать неопределённости на протяжении жизненного цикла нефтегазового актива. В результате цифровые двойники инженерных систем, разрабатываемых в нефтегазе, стали представлять из себя набор взаимодействующих моделей разного уровня, часть из которых основана исключительно на данных, другая часть — это интеграция физически обоснованных моделей и моделей на основе машинного обучения (физически информированные модели машинного обучения). Оптимизация решений в таких системах требует создания иерархий интеллектуальных моделей, способных принимать решения на разных уровнях детальности и в условиях неопределенностей.
Чтобы их контролировать, отрасль активно занимается интеграцией знаний в такие системы в виде онтологий, контролирующих взаимодействие различных моделей, создавая сложные мутагенные системы.
За прошедшие три года конференция претерпела много изменений. Процессы аналитики и применяемые подходы становились сложнее, мы перешли от повторения широко известных методов к созданию собственных уникальных решений.
Нефтегазовая отрасль отличается сложными, неоднородными, слабоизученными системами. Нефтяные пласты, динамика добычи, результаты в геофизических исследованиях — все это системы с высокой долей неопределенности, связанной с недостатком знаний. Для описания таких систем методами машинного обучения требуется создание цифровых двойников не просто для предсказания поведения системы в будущем, а больше для понимания того, с каким состоянием системы мы работаем в конкретный момент времени.
Это заставляет двигать интеллектуальный анализ данных в области создания сложных, самообучающихся цифровых двойников, способных снижать неопределённости на протяжении жизненного цикла нефтегазового актива. В результате цифровые двойники инженерных систем, разрабатываемых в нефтегазе, стали представлять из себя набор взаимодействующих моделей разного уровня, часть из которых основана исключительно на данных, другая часть — это интеграция физически обоснованных моделей и моделей на основе машинного обучения (физически информированные модели машинного обучения). Оптимизация решений в таких системах требует создания иерархий интеллектуальных моделей, способных принимать решения на разных уровнях детальности и в условиях неопределенностей.
Чтобы их контролировать, отрасль активно занимается интеграцией знаний в такие системы в виде онтологий, контролирующих взаимодействие различных моделей, создавая сложные мутагенные системы.
