Сабине Кларнер, Германия.

Сравнение результатов байессовой литосейсмической классификации и классификации методом машинного обучения.

За последние несколько лет в индустрии возрос интерес к использованию машинного обучения, в частности, для сейсмической интерпретации. В данной работе мы сравнили продвинутые алгоритмы нейронных сетей и стандартные методы вероятностной классификации литологии по сейсмическим данным. Используя модель Rock-Physics для терригенного разреза, мы проверили способность предсказывать литотипы по результатам синхронной инверсии с помощью Байесовской лито-сейсмической классификации, классификации с использованием DNNA и прямого прогноза свойств пласта посредством нейронных сетей (нейронная  инверсия). Каждый из этих методов показал свои плюсы и минусы, которые следует учитывать, чтобы построить оптимальный граф процедур, соответствующий задачам и имеющимся данным конкретного проекта.

Александр Михайлович Кувичко, к.т.н., Руководитель направления по цифровым технологиям Московский научно-исследовательский центр ООО «Технологическая Компания Шлюмберже».

Роль и место технологий машинного обучения в когнитивной цифровой среде по геологоразведке, разработке и добыче. ​

В настоящем докладе рассматриваются вопросы создания и использования цифровых платформ в нефтегазовой отрасли. Показывается видение стека технологий когнитивной цифровой среды. Обсуждается роль и место технологий машинного обучения, рассматриваются вопросы продуктизации соответствующих решений. В докладе также приводится ряд примеров применения технологий машинного обучения, текущие ограничения и потенциальные пути развития цифровых решений.

Дмитрий Анатольевич Коротеев, к.ф.-м.н., доцент Сколковского института науки и технологий, генеральный директор OOO "Digital Petroleum".

Реалии разработки готовых решений на основе искусственного интеллекта для нефтегаза: от идеи до продукта.

Доклад посвящен особенностям разработки полноценных программных продуктов для нефтегазодобычи на основе алгоритмов искусственного интеллекта (ИИ). Дмитрий расскажет о всей цепочке формирования конечного решения «от идеи до приложения» на конкретных примерах и оценит эффективность применения подобных продуктов.

Иван Иванович Приезжев, д.т.н., профессор Российского государственного университета нефти и газа имени И.М. Губкина, генеральный директор ООО «Лаборатория Приезжева» инновационного центра Сколково.

Прогнозно-инверсионные построения на основе нейронных сетей нового поколения с использованием полно функциональных нейронов Колмогорова.​

В докладе будет показана нейросетевая технология прогнозных построений на основе использования нейронных сетей нового поколения построенных с использованием полно функциональных нейронов Колмогорова.  В этих нейронных сетях предлагается использовать новый тип математического нейрона (нейрон Колмогорова), где постоянные коэффициенты   для каждого входа заменяются на произвольные функции f(x) (заданных в виде таблицы), которые выполняют трансформацию входных данных перед суммированием. Будут приведены примеры использования этой технологии для прогнозно-инверсионных построений кубов упругих, эластических, фильтрационно-емкостных или литофациальных параметров на основе комплексных данных сейсморазведки и скважинных измерений. Так же будут показаны применение этих нейронных сетей для прогноза карт эффективных толщин и прогноза кривых в скважинах на основе свойств по керну.​