Библиографическое описание:ТЕХНОЛОГИЯ MACHINE LEARNING В НЕФТЕГАЗОВОЙ ОТРАСЛИ : доклад, тезисы доклада / С. А. Бритов, И. Е. Аношкин, В. Е. Епифанова. - [Б. м. : б. и.], 2021. - Текст : непосредственный // ИННОВАЦИОННЫЙ ПОТЕНЦИАЛ ЦИФРОВОЙ ЭКОНОМИКИ: СОСТОЯНИЕ И НАПРАВЛЕНИЯ РАЗВИТИЯ : сборник научных статей Международной научно-практической конференции / ИННОВАЦИОННЫЙ ПОТЕНЦИАЛ ЦИФРОВОЙ ЭКОНОМИКИ: СОСТОЯНИЕ И НАПРАВЛЕНИЯ РАЗВИТИЯ (2021 ; 28.10 - 28.10 ; Курск). - Курск : Юго-Западный государственный университет, 2021. - С. 72-75. - ISBN 9785907512276. Перевод заглавия: MACHINE LEARNING TECHNOLOGY IN THE OIL AND GAS INDUSTRY IS A REVOLUTION
Аннотация:Нефтегазовая отрасль в России является главным источником валютных и налоговых поступлений страны. На ее долю приходится порядка 12% всего промышленного производства и более 40% поступлений в бюджет. Однако, несмотря на почти вековую отечественную историю этой индустрии, ее современное состояние сопровождается множество проблем, решить которые должны новейшие информационные технологии [1]. В частности, задачи оценки надежности и прогнозирования осложнений при эксплуатации оборудования с использованием машинного обучения Machine Learning в нефтегазовой отрасли, подбора методов увеличения нефтеотдачи, оптимизации транспортных маршрутов и схем поставок оборудования и продукции, а также прогнозирования эффективности разработки новых месторождений.
The oil and gas industry in Russia is the main source of foreign exchange and tax revenues of the country. It accounts for about 12% of the total industrial production and more than 40% of revenue in the BYD token. However, despite the almost century-old domestic history of this industry, its current state is accompanied by many problems that would require the latest information technologies to solve [1]. In particular, the tasks of assessing reliability and predicting complications in the operation of equipment using machine learning, machine learning in the oil and gas sector, choosing methods to increase oil production, optimizing transport routes and supply systems of equipment and products, as well as predicting the effectiveness of the development of new fields are being solved.
