石油圈
機器學習可輕松處理繁瑣的壓裂數據
摘要：機器學習技術可準確高效地識別出壓裂曲線中的數據節點，幫助工程師們處理繁瑣的壓裂數據。 編譯丨TOM 影子 在水力壓裂作業期間，每隔一秒就會記錄泵送數據，并將之傳輸到現場，以csv格式保存。原始泵送數據中包含多個數據道，包括壓力、泵速、...
采收率算不準？來試試人工神經網絡模型(下)
摘要：人工神經網絡（ANN）是目前最為炙手可熱的建模方法，如何用它來計算采收率？效果又會如何呢？本文將為您介紹ANN原油采收率模型的詳細內容。 編譯丨TOM 在構建ANN時，存在兩個重要的未知因素：隱藏層的數量、模型中包含的神經元數量。常用...
并行仿真和云計算技術助力大型油田開發優化
利用高性能并行模擬和商業云計算等先進手段，提出了油田聯合開發和井控優化的生產流程。 編輯 | 大安 在優化油田開發方案的過程中，由于控制參數眾多、模型復雜以及地下不確定性較大，使得該工作極富挑戰性。在本文中，作者通過利用高性能并行模擬和商業...
數據時代：機器學習該如何改變油氣行業？
“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。...
基于機器學習的油氣資產評估方法研究
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）、...
采收率算不準？來試試人工神經網絡模型(上)
摘要：人工神經網絡（ANN）是目前最為炙手可熱的建模方法，如何用它來計算采收率？效果又會如何呢？本文將為您介紹ANN原油采收率模型的詳細內容。 編譯：TOM 人工神經網絡（ANN）是一種信息處理系統，可模仿出人腦的思考過程?；谟柧毮Ｊ交虼?..
機器學習法解決注入井選位難題
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...
用人工智能與云技術實現遠程監控ESP性能
西門子開發出一種名為AI4ESP的預測性維護方案，通過應用人工智能（AI）技術遠程監控ESP性能。 來自 | E&P 編譯 | TOM 大安 鑒于大多數油氣井必須在其生產壽命周期的某個時間點進行人工舉升，并且電潛泵（ESP）是最有效...
狀態監測系統 作業提效的全面手
單獨提升油氣開采某一階段的效率已經無法滿足開發商的要求，全面控制才會取得更優的效果。 來自 | NOV 編譯 | 白小明 驚蟄 國民油井華高（NOV）宣布其針對油井干預和增產設備的GoConnect狀態監測服務正式投入商業應用。GoConn...
預測分析技術提高測井準確性
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...
數據分析 優化復雜井況井位設計
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。...
機器人技術——蓄勢待發，改變油氣行業
據機器人方面的專家表示，機器人技術改變油氣行業的時代已經到來。機器人技術，將會是21世紀的標志性技術。 來自 | 阿美石油服務公司 編譯 | 周詩雨 槽子 休斯頓機電技術公司總裁兼馬修·奧德勒（R. Matthew Ondler）在休斯頓石...
預測性方法 保障油氣開采生命線
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...
100刀時代恍如隔世，數字化入選油氣“致富經”
如今，開發商即將迎來的是油氣開采更加高效的新時代。 來自 | World oil 編譯 | 張德凱 影子 2014年6月13日，WTI桶油價格達到107.49$。根據當時的數據，全球油氣行業的資本支出預算達到創紀錄的520億美元，這些數字曾...