ИСТИНА

Авторы: Еремин Николай Александрович, Дмитриевский Анатолий Николаевич, Чащина-Семенова Ольга Кимовна, Фицнер Леонид Константинович, Черников Александр Дмитриевич Номер: 2020660892 Дата получения: 15 сентября 2020 г. Тип ПО: SOFT Описание: Программный компонент «Нейросетевые расчеты - построение моделей прогноза осложнений и аварийных ситуаций при бурении и строительстве скважин» (ПКНР) Тип: свидетельство о государственной регистрации программы для ЭВМ Номер свидетельства: RU 2020660892 Патентное ведомство: Россия Год публикации: 2020 Номер заявки: 2020660182 Дата регистрации: 08.09.2020 Дата публикации: 15.09.2020 Язык программирования: Python 3.7 Объем: 5,2 Мб Правообладатели: Федеральное государственное бюджетное учреждение науки Институт проблем нефти и газа Российской академии наук Реферат: Программа предназначена для использования в автоматизированной системе предупреждения осложнений при строительстве нефтяных и газовых скважин. Раннее прогнозирование осложнений в процессе бурения позволит принять превентивные меры по их предотвращению. Принятие необходимых мер, предотвращающих осложнения в работе, возможно при использовании методов, позволяющих прогнозировать ситуацию на основе измерений параметров бурения. Ситуация приближения к аномалии определяется совокупностью параметров и не может быть гарантированно выявлена в результате визуальных наблюдений. Для решения задачи прогнозирования осложнений используется бинарная классификация. Используемые алгоритмы: нейросеть (персептрон) TensorFlow (Keras). Обобщенные модели прогнозирования осложнений и аварийных ситуаций типа «прихват», «поглощение» и «газонефтеводопроявление» в процессе бурения скважины формируются с использованием априорных данных со станций геолого-технологических измерений с других пробуренных скважин, близких по геологическим условиям В качестве входной информации для работы программы на буровой установке используются реально-временные данные геолого-технологических исследований в виде записей, содержащих массивы цифровых данных из различных скважин и формализованную информацию из буровых журналов о наличии аномалий с указанием времени их обнаружения. В результате предсказания развития временных рядов с использованием нейросетевых моделей определяется вероятность осложнения на время ДТ вперед. ОС: Windows Server 2016 и выше, CentOS 7, Ubuntu 20.04. Authors: Eremin Nikolay Alexandrovich, Dmitrievsky Anatoly Nikolaevich, Chashchina-Semenova Olga Kimovna, Fitzner Leonid Konstantinovich, Chernikov Alexander Dmitrievich Number: 2020660892 Date of receipt: September 15, 2020 Type of software: SOFT Description: Software component “Neural network calculations - building models for predicting complications and emergencies during drilling and well construction"(SCNC) Type: certificate of state registration of a computer program Certificate number: RU 2020660892 Patent office: Russia Publication year: 2020 Application number: 2020660182 Registration date: 09/08/2020 Publication date: 09/15/2020 Programming language: Python 3.7 Volume: 5.2 Mb Copyright holders: Federal State Budgetary Institution of Science Oil and Gas Research Institute of the Russian Academy of Sciences Abstract: The program is intended for use in an automated system for preventing complications during the construction of oil and gas wells. Early forecasting of complications during drilling will allow taking preventive measures to prevent them. Taking the necessary measures to prevent complications in the work is possible when using methods that allow predicting the situation based on measurements of drilling parameters. The situation of approaching an anomaly is determined by a set of parameters and cannot be reliably detected as a result of visual observations. To solve the problem of predicting complications, a binary classification is used. Algorithms used: neural network (perceptron) TensorFlow (Keras). Generalized models for predicting complications and emergencies such as "Sticking", "Losses" and "Kicks" in the process of drilling a well are formed using a priori data from geological and technological measurement stations from other drilled wells with similar geological conditions As input information for the program The drilling rig uses real-time data from geological and technological research in the form of records containing digital data arrays from various wells and formalized information from drilling logs about the presence of anomalies, indicating the time of their detection. As a result of predicting the development of time series using neural network models, the probability of complications is determined for the duration of the TD ahead. OS: Windows Server 2016 or higher, CentOS 7, Ubuntu 20.04.