详细内容或原文请订阅后点击阅览
珀西·波利塔（Pollitha）的一名学生谈到了她在“数字部门”中的经历开发Perm Polytechnic的科学家可以提高石油生产的有效性 div>
Perm Polytechnic的科学家已经开发了一种基于人工智能的石油和天然气行业孔隙率建模的方法。它将允许56％提高预测的准确性，并提高现场发展的效率 div> 在3月10日的课程和演讲开始，在3月10日的课程中，课程的时间表：3月10日的课程！ 吸引人的JSC工程师是硕士“ Technosphere Security”的一年级学生，毕业于化学技术的前瞻性Cyphrem，Yevgeny Cherepakhina div>，分享了他的经验。
来源:俄罗斯彼尔姆国家综合技术大学科学新闻频道在石油生产中，预测收藏家的特性是一项重要的任务，它使您能够评估该领域的潜力并决定其质量发展。通常，为此进行了地球物理研究，并确定岩石的特征 - 孔隙度，密度和渗透性。根据他们的基础，建立了3D模型，并有关其中包含的石油和天然气储量的信息。但是，收集器的结构和特性是非常可变的，这种异质性通常阻止可靠的数据获得传统方法。 Perm Polytechnic的科学家已经开发了一种基于人工智能的石油和天然气行业孔隙率建模的方法。它将允许56％提高预测的准确性并提高现场发展的效率。
在石油生产中，预测收藏家的特性是一项重要的任务，它使您能够评估该领域的潜力并决定其质量发展。通常，为此进行了地球物理研究，并确定岩石的特征 - 孔隙度，密度和渗透性。根据他们的基础，建立了3D模型，并有关其中包含的石油和天然气储量的信息。但是，收集器的结构和特性是非常可变的，这种异质性通常阻止可靠的数据获得传统方法。 Perm Polytechnic的科学家已经开发了一种基于人工智能的石油和天然气行业孔隙率建模的方法。它将允许56％提高预测的准确性并提高现场发展的效率。带有结果的文章发表在《地理系统工程》杂志上，2024年。该研究由俄罗斯联合会教育与科学部资助（FSNM -2023-0005项目）。
杂志 div> 2 div> Sergey Krivoshchekov，石油和天然气PNIPU地质学系副教授，技术科学候选人 div> Georgy Schiversky，石油和天然气地质学系研究生PNIPU div>