Российские ученые разработали модель машинного обучения на основе данных геофизического мониторинга

В рамках коллаборации российских ученых из РТУ МИРЭА, МТУСИ, НИУ «БелГУ», Финуниверситета, ВлГУ и Московского Политеха разработана нейросетевая модель обработки данных геофизического мониторинга в целях эффективного контроля состояния производственного оборудования бурильных установок.

Изначально поставленная задача создания эффективного метода контроля состояния бурильной колонны и долота без вмешательства в процесс бурения в режиме малой задержки времени выполнена. Предлагаемый подход основан на использовании фазометрического метода контроля, а для непрерывного мониторинга процесса бурения скважин разработана экспериментальная установка, фиксирующая изменение электрических характеристик зондирующего сигнала, вызванного любым перемещении долота. Для получения устойчивого сигнала с глубины погружения долота до 400 м использовали частоту зондирующих электрических сигналов 166 Гц и амплитуду до 500 В; частота дискретизации (аналого-цифровой преобразователь) АЦП - 10101 Гц.

Алексей Осипов, доцент кафедры индустриального программирования РТУ МИРЭА: для выявления состояния бурильного оборудования по графикам зависимостей изменения электрических характеристик зондирующего сигнала от времени нашей командой исследован ряд методов глубокого обучения, опираясь на результаты исследования была выбрана линейка методов капсульной нейронной сети (CapsNet). Мы разработали модификацию 2D-CapsNet на основе оконного преобразования Фурье (WFT). Разработанный метод продемонстрировал точность определения состояния долота при переходе между двумя слоями горных пород с разными свойствами на уровне 99%, что на 2-3 % выше, чем результаты аналогичных результатов альтернативных методов.

Екатерина Плешакова, доцент кафедры индустриального программирования РТУ МИРЭА: полученные результаты превосходят современные методы исследований горных пород на основе измерений в процессе бурения (MWD) и каротажа в процессе бурения (LWD), при этом модель обработки данных имеет высокую точность и однозначно выявляет автоколебания в бурильной колонне. Модель обработки данных геофизического мониторинга получила высокую оценку исследователей из Саудовской Аравии, King Fahd University of Petroleum & Minerals (KFUPM). На сегодня применимость метода ограничена глубиной четырехсот метров, что представляет интерес для задач оптимизации геотермального бурения. Однако дальнейшая разработка метода предполагает расширение возможностей на глубины до полутора километров, и смещение приоритета использования на добычу углеводородов.

Полный тест исследования опубликован в научном журнале IEEEAccess.

3 октября, 2023

Подписаться на новости BIS Journal / Медиа группы Авангард

Подписаться
Введите ваш E-mail

Отправляя данную форму вы соглашаетесь с политикой конфиденциальности персональных данных

11.12.2023
С конца января Binance прекратит поддерживать p2p-операции с рублём
11.12.2023
«Назвать платные подписки зловредами нельзя»
11.12.2023
АнтиФрод Россия 2023: Важен диалог правоохранителей и регуляторов
11.12.2023
Тысячи хакеров планируют устроить массовую кибератаку на индийскую инфраструктуру
08.12.2023
Apple будет раскрывать властям метаданные «пушей»
08.12.2023
Уваров: Перенос финансовой ответственности на систему «Антифрод» не рассматривается
08.12.2023
В Беларуси открылся офис для сотрудников «ВКонтакте», «Дзена» и VK Tech
08.12.2023
ЦБ РФ — о цифровом рубле: Пилот будет продолжаться минимум до конца 2024 года
08.12.2023
Группировка BlackCat атаковала HTC Global Services
08.12.2023
Хакеры бьют по канадской энергетике. Clearview Resources Ltd. стала жертвой кибератаки

Стать автором BIS Journal

Поля, обозначенные звездочкой, обязательные для заполнения!

Отправляя данную форму вы соглашаетесь с политикой конфиденциальности персональных данных