Development of intelligent well management systems based on neural network algorithms
DOI:
https://doi.org/10.25726/l2489-0287-9336-dKeywords:
intelligent systems, well management, neural network algorithms, oil and gas productionAbstract
The oil and gas industry is one of the leading sectors of the world economy, and its importance continues to grow. One of the key elements of the successful operation of oil companies is the effective management of wells. Currently, various automated systems are used to control wells, but they often have limitations in accuracy and efficiency. The oil and gas industry is one of the most important and developed sectors of the world economy. In the process of oil and gas production, various technologies are used that require highly qualified specialists. However, in recent years, due to the rapid development of digital technologies and the use of machine learning, there has been a need for new knowledge and skills among workers in this industry. Digitalization has led to the development of new methods of data processing and information analysis, which can significantly improve the efficiency of work in the oil and gas industry. In this regard, the world's leading universities have begun to develop new training programs aimed at training personnel who can effectively use modern digital technologies in the oil and gas industry. In this article, we will consider not only the development of educational programs in the oil and gas industry, but also methods for measuring the quality of employee qualifications that can help enterprises and universities evaluate the effectiveness of their training programs and improve the quality of their employees' qualifications.
References
Абдрафикова Ф.Ф., Муравьева Е.А. Анализ причин и последствий отказов процесса нефтедобычи // Актуальные проблемы науки и техники: материалы XIII Междунар. науч.-практ. конф. молодых ученых. - Уфа, 2020. Т. 2. С. 121-122.
Бриллиант Л.С. Цифровые решения в управлении добычей на «зрелых» нефтяных месторождениях // Нефть. Газ. Новации. 2018. Т. 4. С. 61-64.
Еремин Н.А. Интеллектуальное бурение при обустройстве цифровых месторождений // Автоматизация, телемеханизация и связь в нефтяной промышленности. 2020. №5 (562). С. 26-36. DOI: 10.33285/0132-2222-2020-5(562)-26-36.
Ивановский В.Н. Одновременно-раздельная эксплуатация и «интеллектуализация» скважин: вчера, сегодня и завтра // Инженерная практика. 2010. №1. С. 4-15.
Келлер Ю.А. Разработка искусственных нейронных сетей для предсказания технологической эффективности от выравнивания профиля приемистости // Изв. Том. политехн. ун-та. Инф. технологии. 2014. Т. 325. № 5. C. 60-65.
Коннов В.А., Муравьева Е.А. Анализ эффективности современных методов моделирования нефтяных месторождений // Химия. Экология. Урбанистика: сб. материалов Всерос. науч.-практ. конф. (с междунар. участием). -2020. - Т. 4. С. 250-253.
Кретинин А.В., Булыгин Ю.А., Кирпичев М.И. Нейросетевое моделирование гидродинамических процессов в центробежном насосе и нефтепроводе // Нефтегазовое дело. 2013. № 1. С. 294-308.
Кубряк А.И., Муравьева Е.А. Способ повышения эффективности многомерного четкого логического регулятора // Сб. материалов 71-й всерос. науч.-техн. конф. студ., магистрантов и аспирантов высших учеб. заведений с междунар. участием. Ч. 2. Ярославль, 2018. С. 290-293.
Мандрик И.Э., Шахвердиев А.Х., Сулейманов И.В. Оценка и прогноз нефтеотдачи на основе моделирования нейронными сетями // Нефтяное хозяйство. 2005. № 10. С. 31-34.
Михайлов В.Н., Дулкарнаев М.Р., Волков Ю.А. Проблемы и опыт проектирования разработки длительно эксплуатируемых залежей нефти на примере Ватьеганского месторождения Западной Сибири // Труды межд. научно-практ. конф.: Высоковязкие нефти и природные битумы: проблемы и повышение эффективности разведки и разработки месторождений. Казань: Фэн, 2012. С. 255-257.
Муравьева Е.А., Зайнуллина Д.Р. Разработка алгоритма автоматизированной системы управления силосом для сыпучих материалов // Современные технологии: достижения и инновации: сб. материалов II Всерос. науч.-практ. конф. - Уфа, 2020. С. 414-416.
Нехорошкова A.A., Данько М.Ю., Завьялов A.C., Елишева А.О. Критический анализ метода прокси-моделирования INSIM-FT (Interwell Numerical SimulationFront Tracking models) на синтетических моделях и реальном месторождении // Нефть. Газ. Новации. 2019. Т. 12(229). С. 49-55.
Потрясов А.А., Бриллиант Л.С., Печеркин М.Ф., Комягин А.И. Автоматизация процессов управления заводнением на нефтяном месторождении // Недропользование XXI век. 2016. Т. 6(63). С. 112-121.
Степанов С.В., Соколов С.В., Ручкин А.А., Степанов А.В., Князев А.В, Корытов А.В. Проблематика оценки взаимовлияния добывающих и нагнетательных скважин на основе математического моделирования // Вестник Тюменского государственного университета. Физикоматематическое моделирование. Нефть, газ, энергетика. 2018. Т. 3. С. 146-164.
Черников А.Д. Применение методов искусственного интеллекта для выявления и прогнозирования осложнений при строительстве нефтяных и газовых скважин: проблемы и основные направления решения // Георесурсы. 2020. Т. 22, №3. С. 87-96. DOI: 10.18599/grs.2020.3.87-96.
