承认，在石油生产方面，德克萨斯州的风景和机械的“摇椅”在落日的天空映衬在我眼前。 会有其他人看到燃烧相关气体的火炬管，也可能会看到海上某处的钻井平台。 当然，石油生产是一项艰巨而危险的业务。 巨大的汽车，钻机，爆炸和火灾的危险。 群众心目中的石油生产无疑是辛勤工作的人和几乎是坚强工程师的残酷事件。
你们所有人都是对与错。 是的，石油是通过“摇摆”技术提取的，但我们从电影和电视节目中获得的整个图像不再与完整图像相对应； 进步的公司越来越多地开始实施IT的最新进展。 现代石油行业的工人同时利用最新发展来处理BigData，AI，机器学习和许多其他事物。 下面基于Aramco Innovations的经验，将有几个示例说明IT技术如何深入渗透到石油生产这样看似经典和惰性的业务中。
值得从我们正在谈论的案例开始。 Aramco Innovations是一家研究组织的俄罗斯代表处，该组织隶属于沙特国家石油公司
Saudi Aramco 。 后者是地球上最大的石油生产商，由沙特阿拉伯王国全资拥有。 具体而言，Aramco Innovations参与了人工智能（AI），高性能计算系统和纳米材料领域的研究母公司。 该公司最近在莫斯科开设了办事处，是在AI，BigData和机器学习领域组织科学工作的最有希望的场所之一。
矿床的3D地质建模
如果我们选择一个解释性词典并在“地理建模”上打开它，我们将大致得到以下定义：这是基于源数据，派生数据或最终数据的可视化设计和创建制图图像的过程。 显然，在石油工业中，地理建模是中心位置之一。 世界各地的石油公司（我们不仅在谈论沙特阿美，而且在谈论所有石油生产商）的大部分费用都用于勘探和随后的油气藏建模。
根据公认的概念，可以将地理建模分解为以下几个阶段：
- 准备
- 结构建模；
- 创建一个三维网格；
- 在三维网格单元上对钻孔数据进行平均；
- 岩性 - 相模型；
- 岩石物理建模
- 饱和度建模；
- 3D库存计算。
实际上，对沉积物进行三维建模是评估多个标志场的多阶段，复杂过程，尽管乍一看似乎足以确定烃的“位置”和“位置”。
开始生产后，为什么需要现场的地理模型？ 显然，从肠中提取碳氢化合物的经典过程始于对该领域的直接勘探。 地质学家绘制了他的地图，并在此基础上创建了整个油藏的完整计算机模型。 这样做是为了制定开发油田的策略，最有利的是放置油井，最大程度地减少地层位移造成的损失，并避免生产过程中发生事故。
石油生产中最有利的位置的示意图如您所知，由于没有模型能够以100％的精度预测石油生产过程中岩石结构和田地本身的所有变化，因此这种储层模型的清晰度会随着时间的推移而降低。 上面我们举了一个油田的示意图示例，但实际上，一切都更加复杂。 例如，沙特阿美公司正在开发世界上最大的
加瓦尔油田，
该油田可追溯到1948年。 它包含多达10-12亿吨的石油，油田的总面积约为5300平方公里。
也就是说，我们得出的结论是，即使是探明的活动矿床也需要进行持续的研究和建模，至少是为了了解在哪里钻探以及在哪里无用或太贵。 应当记住，矿藏可能发生在巨大的区域，也就是说，钻探和生产在许多地方同时发生。 手动计算和预测字段结构的变化实际上是不可能的，因此，对活动字段进行建模的任务进入了开发IT系统和处理大量数据的工作。
这是AI，BigData和机器学习领域的IT专业人员的工作开始的地方。 在1960年代前后，石油公司开始收集有关发达油田的大量数据。 随着时间的流逝，这些信息已成为在勘探，钻探和生产过程中获得的各种数据的巨大流。 基于这些信息，专家们希望训练神经网络，以便在不久的将来对已开发领域的行为进行更快，更准确的建模。
在这个方向上已经做了很多工作，并且已经进行了许多研究。 因此，在其中之一中，以下有关字段的数据类型被馈送到神经网络的输入：
- 有关伽玛射线强度的信息；
- 孔隙率
- 密度
- 水饱和度
- 和其他。
在出口处，研究人员可以预测岩石的温度，压力，结构和压实度，甚至可以预测塔之间的推荐距离。 除了评估沉积物本身之外，此类系统还可用于预测钻井和生产本身过程中的问题，从而预测事故，故障和计划外的损失。
数据解释和记录曲线
如果我们谈论钻井，那么就值得回顾测井曲线和井的研究。
测井是对井进行地球物理研究的一种方法。 当然，评估井眼结构最明显的方法是抬高岩心-锯开岩石，然后对整个“支柱”进行物理研究。 但是，钻工不会让您说谎：切割和抬起岩心的过程花费巨额资金，并且涉及许多技术难题。 首先，很长一段时间。 通过在钻井液中将碎石升至地面来钻探井是一回事，而将立柱切开并以其放置的形式抬起则是另一回事。 因此，现代测井使用降低到井中的地球物理探针来研究井壁和近井眼空间并从内部收集信息。
测井仪配备了一系列的被动和主动传感器。 无源传感器收集有关磁场和自然电场，自然伽马射线等的信息。 有源传感器是人工产生的电，声和其他场以及辐射的接收器和源。 使用测井探针，地球物理学家在井的某些间隔处收集信息，然后将其形成测井曲线。
几个参数的绘制日志示例地质学家会进一步处理从井中收集的数据，这是一个非常费时费力的过程，通常会以手动方式进行。
Aramco Innovations致力于基于机器学习技术的日志解释系统的开发。 大多数使用曲线的工作都是典型的猴子工作，可以归结为利用地质学家已经拥有的数据来找到依赖点和差异点。 机器学习最适合在随后的最终报告形成中识别出测井曲线中的这些依赖关系，最终报告已由专家进行了分析。 这种方法可以显着提高井研究的效率，并从整体上显着加速井评估和勘探的过程。
另外，计划将机器视觉用于基于地震勘探期间获得的图像来分析深层煤层的结构。 对于地质学家而言，最有价值的是含油层和岩石中的裂缝，这可能是采矿过程中的潜在威胁。 现在，阿美创新专家正在将最沉闷和单调的工作委派给机器，而使人们仅拥有最终分析和决策的功能。
Technaton Aramco创新
上面，我们仅讨论了IT领域的现代成就在石油生产中的几个应用领域。 很难高估它们的重要性：我们实际上生活在一个塑料世界中。 我们周围几乎所有的物体，无论在某种程度上还是由石油和衍生物，还是由燃烧碳燃料获得的材料制成的。
这个周末，即10月26日至28日，Aramco Innovations与莫斯科国立大学科学园一起将在莫斯科举行
Aramco上游解决方案技术大会 ，该大会致力于将人工智能技术应用于石油行业。
该活动的主要目的是评估和促进机器学习和人工智能领域的科学潜力，以及寻找想要加入Aramco创新团队的潜在候选人。 在10月26日的第一天，即12:00至16:00，所有参与者都将能够收听有关该活动目标的科普讲座。 讲座的目的是向远离行业的人们提供石油生产的想法。 像技术本身一样，讲座是完全免费的。
这项技术决赛将于10月28日举行，届时将颁发3支获胜团队，并为解决评委提出的问题授予2项特别奖。 Technaton的奖池是7,000美元（约合470,000卢布）。 参与者将进行48小时的编码，并与来自沙特阿美科学中心的领先专家合作。
首先，邀请机器学习和AI领域的IT专家，技术专业的专家，地质学家和地球物理学家参加。
您可以在
此处熟悉活动的时间表，时间表和规则。 要参加这项技术，您需要
免费注册直到莫斯科时间10月26日17:50。
我们正在等待10月26日18:00在地址的所有感兴趣的专家：莫斯科，莫斯科国立大学科学园。 列宁山脉，1s77。
如果您对活动有其他疑问，请写信至
ab@codenrock.com或在活动的
电报频道中提问。