При поддержке
Цифровой керн
Расчет суммы скоростей флюида через заданное сечение пустотного пространства
О проекте
Цифровой керн—это цифровой двойник лабораторного керна — образцов породы, извлеченной в районе нефтяного месторождения. Создание цифрового керна позволит ускорить исследования и повысить добычи углеводородов из месторождений.

В качестве исследовательского проекта мы предлагаем решить следующую подзадачу: расчет суммы скоростей флюида через заданное 2D (и 3D, в случае успешного решения 2D случая) сечение пустотного пространства. Для исследования задачи будет представлена библиотека сечений (2D изображения) и результаты численного моделирования прямыми методами.

Использование машинного обучения ускорит время расчета при сохранении высокой точности.
май-август 2021
Задачи проекта:
1. Обработать данные, полученные с помощью прямого моделирования, для последующего использования в предиктивных моделях.
2. Выделить из 2D/3D изображений значимые геометрические признаки.
3. Определить подходящие для задачи техники аугментации.
4. Определить подходящие для задачи метрики качества предиктивных моделей.
5. Сравнить качество классических методов машинного обучения со сверточными нейронными сетями.
старт отбора: 17 мая
заявки принимаются до 24 мая
тестовое задание: 25-31 мая
Больше информации о проекте
Для нефтегазовых компаний актуальной является задача повышения добычи углеводородов из месторождений. Она решается с помощью построения цифровой модели месторождения, которая параметризуется с помощью фильтрационных характеристик породы, залегающей в районе месторождения. На текущий момент для анализа фильтрационных характеристик проводятся лабораторные исследования образцов породы (керна), извлеченной в районе месторождения.

Цифровой керн — это цифровой двойник лабораторного керна. Переход к цифровому керну необходим для ускорения получения данных и фильтрационных характеристиках, измерение которых в лаборатории занимает месяцы; более того, цифровые технологии позволяют решить целый ряд проблем лабораторных методов, например, приложения адекватных реальным граничных условий.

Проект по Цифровому керну предполагает поиск зависимостей между структурой исследуемой породы, содержащей углеводороды (или керн) и фильтрационными характеристиками (как хорошо порода фильтрует различные флюиды — воду, газ и нефть и их смеси). Установление таких зависимостeй можно проводить прямым моделированием, а также на основе полуэмпирических моделей. Мы попробуем создать гибрид этих подходов с использованием там, где это целесообразно, методов машинного обучения.

В качестве исследовательского проекта мы предлагаем решить следующую подзадачу: расчет суммы скоростей флюида через заданное 2D (и 3D, в случае успешного решения 2D случая) сечение пустотного пространства. Данная задача возникает как часть более объемной задачи - расчета потока флюида в графе, который образуется из пустотного пространства образца, где вершины — это пустоты большого размера(т.н. поры, pores), а ребра — это каналы, которые соединяют большие пустоты (т.н. горловины, throats). Для исследования задачи будет представлена библиотека сечений (2D изображения) и результаты численного моделирования прямыми методами. Мотивация использование машинного обучения — ускорение времени расчета (прямые методы считают часы для сечений из одного образца) при сохранении высокой точности.
Как будет выглядеть работа в проекте?
По результатам отбора мы сформируем команду, которая будет заниматься решением поставленных задач. С решением будет помогать наставник — эксперт в машинном обучении.

В процессе проекта вы:
1. Научитесь строить пайплайны обработки изображений.
2. Научитесь применять методы машинного обучения для задач компьютерного зрения.
3. Обучите свою сверточную нейронную сеть.
4. Построите свой пайплайн оценивания качества моделей.
Еще больше ответов об участии в открытых проектах
Какие требования, как устроен отбор, сколько свободного времени нужно и другие вопросы, которые стоит задать перед участием в проекте
Доступные роли в проекте
Зачем участвовать?
Опыт
Получение опыта работы над реальным проектом с использованием технологий компьютерного зрения
Развитие
Возможное участие в других задачах по цифровому керну
Сотрудничество
По результатам участия в проекте возможно постоянное трудоустройство