標簽：機器學習

5年前 (2020-10-17)大安

利用機器學習幫助工程師識別目標和描述狀態。 編輯 | 大安 在表面狀態評價中，經驗豐富的人員能夠快速識別缺陷或損傷，因此視覺檢測是一種較好的無損檢測方法（NDE）。然而，該方法的缺點在于缺乏對缺陷的目標量化及描述。通過利用機器學習（ML）、...

6年前 (2019-08-02)大安

摘要：GAIA平臺允許勘探團隊快速發現和訪問區塊內的數據，以及管理勘探機會。 編譯：大安 TOM GAIA數字勘探平臺可提供跨領域的所有相關數據：地震數據、測井數據、井下測量數據、區塊歷史、文件與報告，以加速您的油氣發現。GAIA平臺將所有...

6年前 (2019-05-20)驚蟄

TGS的數據預測分析技術能夠有效改善測井數據準確度！ 編譯 | 驚蟄 近日，TGS宣布推出新型測井預測分析工具– Analytics Ready LAS (ARLAS)。ARLAS測井預測算法是TGS的AI計劃的一部分，其可以根...

6年前 (2019-03-01)驚蟄

在復雜油田中，井位選擇的難度極大，機器學習技術能夠帶來更好的預測結果。 編譯 | 驚蟄 對于大多數常規儲層，數值模擬可以為新井選取最佳位置，提供比較有價值的預測信息。然而，在 Lost Hills油田的作業中，由于其硅藻巖的儲層低滲透率且高...

7年前 (2018-12-21)驚蟄

穩定高效的油氣開采可離不開壓縮機這個關鍵設備！ 來自 |?JPT 編譯 | TOM 驚蟄 壓縮機系統在油氣生產中地位非常重要，大部分石油石化設備都離不開氣體壓縮機，該技術也被成為油氣開采的生命線，如何保持其高效平穩運行是行業關注的重點。利用...

7年前 (2018-11-22)驚蟄

通過運用數據分析法，可以幫助工程師在不確定性條件下優化井位設計。 來自丨JPT 編譯丨TOM 關于井位優化設計已經有大量研究，也存在著不同的方法。然而，現場經驗表明這些技術很少得到應用，在實踐中，專家通常首先會確定影響油未來生產的主要因素。...

7年前 (2018-08-01)二丫

“機器學習”，除了字面意思，究竟有哪些值得一提的技能？ 來自 | JPT 編譯 | 白小明 影子 機器學習不可一蹴而就，你必須清楚地了解數據是什么以及你希望從數據中得到什么，然后選擇適當的機器學習方法從這些數據中提取信息并建立兩者的關聯性。...

8年前 (2017-09-07)二丫

Anadarko石油公司將人工智能和大數據技術研發提上日程。 來自 | Upstream 編譯 | 影子 人工智能和大數據目前已成為硅谷重點投入的技術方向，一些油氣企業正在專注于如何利用這些技術進一步發展石油工業。Anadarko石油公司C...

8年前 (2017-08-26)二丫

機器學習技術能夠將軟件的模擬功能與設備的歷史數據結合，通過計算分析，有效預測設備的故障發生，操作人員即可及時采取措施，避免故障發生。 來自 | E&P 編譯 | 張德凱 如果問油氣開發作業人員，最希望哪個設備的穩定性達到最佳，答案通...