26 февраля 2021 г.
10.00-17.00
Машинное обучение и нейронные сети для прогноза параметров нефтегазоносности геологических формаций по данным сейсморазведки и измерений в скважинах
Формат проведения: Online
Автор курса:
Иван Иванович Приезжев,
доктор технических наук ,
профессор Российского государственного университета нефти и газа имени И.М. Губкина, генеральный директор ООО «Лаборатория Приезжева», инновационный центр Сколково
О лекторе

Иван Иванович Приезжев, доктор технических наук , профессор Российского государственного университета нефти и газа имени И.М. Губкина, генеральный директор ООО «Лаборатория Приезжева», инновационный центр Сколково. Имеет научные интересы в области математических и программных решений для решения различных задач моделирования месторождений нефти и газа: машинное обучение, нейронные сети, сейсмическая инверсия, прогноз параметров трещиноватости, инверсия и моделирование грави-магнитных данных. Автор новых технологий 7 патентов России и США. Автор более 80 научных публикаций. H-index =10 (scholar google)
-
Анализ сейсмического поля без учителя (без скважин)
-
Теория нейронных сетей Кохонена 1D, 2D, 3D с визуализацией RGB
-
Построения карт сейсмофаций (сейсмоклассов).
-
Построения кубов сейсмофаций.
-
Факторный анализ сейсмического поля.
-
Спектральная декомпозиция и RGB анализ сейсмических слайсов
-
Алгоритмы выделения разломов и трещиноватости на основе алгоритма DTW и имитации разломных процессов
-
-
Анализ сейсмического поля c учителем (учитель - информация со скважин)
-
Теория нейронных сетей
-
Классические нейронные сети
-
Нейронные сети Колмогорова с полнофункциональным преобразованием входных данных
-
-
Применение нейронных сетей и методов машинного обучения для прогноза карт эффективных толщин.
-
Прогноз на основе линейной регрессии,
-
Прогноз на основе нейронных сетей Кохонена
-
Нелинейных прогноз на основе нейронных сетей Колмогорова
-
Многократный прогноз с удалением части скважин и построение карт P10, P50, P90, среднее, стандарт
-
-
Применение нейронных сетей и методов машинного обучения для прогноза куба эффективных параметров по набору исходных кубов и скважинных измерений.
-
Нейросетевой прогноз низкочастотной модели и ее использование.
-
Сравнение линейных и нелинейных инверсионно прогнозных построений
-
Нелинейный прогноз кубов упругих параметров AI, Vp/Vs, RHOB по угловым суммам
-
Прогноз кубов ФЭС по кубам инверсии или по угловым суммам
-
Прогноз геомеханических кубов (скорость Vs, модуль Юнга, отношение Пуассона …)
-
Прогноз куба порового давления
-
Прогноз кубов литофаций
-
Многократный прогноз с удалением части скважин и построение кубов P10, P50, P90, среднее, стандарт
-
-
-
Анализ скважинных данных.
-
Применение нейронных сетей Колмогорова и методов машинного обучения для прогноза измерений в скважинах.
-
Многократный прогноз с удалением части данных и построение кривых прогноза P10, P50, P90, среднее, стандарт
-
Классификация каротажных кривых по их форме – электрофации.
-
-
Анализ гравимагнитных данных.
-
Экспресс анализ гравимагнитных данных и построение куба избыточных плотностей
-
Прямая и обратная задача на основе слоистой модели среды.
-
Программа
курса
Стоимость
участия
Слушатель курса из организаций 15 000,00 руб.
Групповая заявка 5 человек и больше 13 500,00 руб
Слушатель из категории профессорско –
преподавательского состава ВУЗов 7 500,00 руб.
Бакалавры, магистранты и аспиранты
дневной формы обучения 4 000,00 руб.
Слушатели получат авторские сертификаты и материалы по теме курсов.
Предлагаемый формат курсов освобождает руководство компаний
от излишних затрат на проезд, проживание и т.д.
Регистрация заканчивается 24 февраля 2021 г.
Любые заявки на участие в курсе, полученные после этой даты, будут рассматриваться организаторами как заявки, требующие дополнительного согласования