Please use this identifier to cite or link to this item: http://earchive.tpu.ru/handle/11683/62450
Title: Автоматизация процесса определения обстановок осадконакопления по каротажным данным меловых пластов и оценка её значимости при подготовке месторождений к разработке
Authors: Бурдин, Алексей Валерьевич
metadata.dc.contributor.advisor: Меркулов, Виталий Павлович
Keywords: обстановки осадконакопления; электрофациальный анализ; гамма-каротаж; машинное обучение; нейронные сети; вepositional environments; electric facies analysis; gamma ray logging; machine learning; neural networks
Issue Date: 2020
Citation: Бурдин А. В. Автоматизация процесса определения обстановок осадконакопления по каротажным данным меловых пластов и оценка её значимости при подготовке месторождений к разработке : магистерская диссертация / А. В. Бурдин ; Национальный исследовательский Томский политехнический университет (ТПУ), Инженерная школа природных ресурсов (ИШПР), Отделение нефтегазового дела (ОНД) ; науч. рук. В. П. Меркулов. — Томск, 2020.
Abstract: В связи с возросшим интересом нефтегазовых компаний к цифровизации ключевых производственных процессов была рассмотрена возможность интерпретации обстановок осадконакопления по данным гамма-каротажа на автоматическом уровне без участия специалиста по интерпретации каротажных данных, используя методы машинного обучения, а именно свёрточные нейронные сети. Целью данной работы является исследование возможности создания программного продукта, способного распознавать обстановки осадконакопления на кривых гамма-каротажа. Для достижение данной цели необходимо реализовать следующие задачи: 1. провести литературный обзор; 2. сгенерировать синтетические каротажные кривые; 3. провести обучение нескольких моделей; 4. протестировать модели; 5. предложить способы улучшения результата.
Due to the fact that oil and gas companies become more interested in digitalization of main production processes it was decided to examine the opportunity to create such tool that is able to detect depositional environments on gamma ray curves in the automatic manner without incroachment of a petrophysicist, using machine learning techniques, especially convolutional neural networks. The goal of this project is examination of possibility to create software that is able to detect depositional environments on gamma ray curves. In order to accomplish the goal following objectives must be reached: 1. perform literature review; 2. generate synthetic gamma ray curves; 3. train several models; 4. test models; 5. give some advices how the result can be improved.
URI: http://earchive.tpu.ru/handle/11683/62450
Appears in Collections:Магистерские диссертации

Files in This Item:
File SizeFormat 
TPU959937.pdf2,59 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.