Эксплуатация отопления

Последние несколько лет нефтяники активно развивают собственные центры цифровых компетенций для эффективной обработки и монетизации промышленной Data Industrial. Работа с данными дает возможность прогнозировать нефтедобычу на месторождениях, исключать инженерные ошибки и отказы оборудования.

Команды петербургских университетов СПбГУ и ИТМО становятся победителями чемпионата мира по программированию ACM/IC PC чаще, чем представители любых других вузов мира. Летом этого года Международный математический союз IMU выбрал Санкт-Петербург местом проведения в 2022 году Международного конгресса математиков. На этом престижном мероприятии, которое проходит раз в четыре года, вручают «математические нобелевки» – медали Филдса. И до сих пор Россия принимала этот научный «мундиаль» только однажды – в 1966 году.

Математика снова становится модной. А математики из Петербурга - еще и уважаемым брендом. Про них снимают фильмы и сериалы, их завлекают к себе на работу нефтяные компании.

Интерес со стороны бизнеса за последние несколько лет позволил петербургской математической школе развиваться независимо от возможности государства выделять гранты на перспективные исследования. К примеру, математическая лаборатория им. П.Л. Чебышева СПбГУ уже пять лет сотрудничает с компанией «Газпром нефть», которая создала именно в Петербурге уже целый кластер своих научных и цифровых центров.

Одаренные студенты лаборатории, которых нефтяники поддерживают грантовыми проектами, последние несколько лет удерживают лидерство на ведущих международных соревнованиях. В их копилке золотая медаль в 41-м студенческом чемпионате мира по программированию, второе место на международной олимпиаде International Mathematics Competition, а также первые места на чемпионате по программированию VK Сup (среди 2736 команд из 52 стран мира).

За последние четыре года на образовательную программу «Математика» лаборатории им. Чебышева СПбГУ удалось набрать больше призеров всероссийских олимпиад по математике, чем на любую другую математическую программу в России, включая мехмат МГУ и матфак ВШЭ.

С ростом востребованности математики в России набирают популярность соревнования на прогнозирование с применением методов машинного обучения. В декабре состоялся финал второго этапа конкурса Gazprom neft Smart Oil Contest, в котором приняли участие 166 команд со всей страны.

Полем для соревнования конкурсантов стали 6 нефтяных месторождений, а точнее - данные о работе 500 скважин за 25 лет. На этой статистике требовалось построить точную модель для предсказания получения нефти с месторождений. В результате победители конкурса смогли предложить алгоритм для расчета объемов добычи углеводородов в течение полугода после смены оборудования на скважине.

Весь пьедестал Gazprom neft Smart Oil Contest заняли представители факультета вычислительной математики и кибернетики МГУ. Ранее многие из них уже участвовали в проектах создания алгоритмов предсказания для золотодобычи, металлургии и одной из американских нефтяных компаний.

Предсказывать добычу нефти большинству финалистов помогли «листы» и «деревья», которые используются для анализа данных в алгоритме машинного обучения Random forest («случайный лес»). Данные со скважин разложили по нескольким сотням «деревьев». Каждое дерево дало свой прогноз для переменной и из них выбиралось среднее арифметическое - прогноз «случайного леса».

Чтобы понять, как работают такие алгоритмы прогнозирования достаточно применить аналогичную модель для предсказания вероятности спасения пассажиров на «Титанике». Когда приходит время распределения людей по шлюпкам, больше шансов на спасение имеют обладатели билетов первого класса, а также женщины и дети.

Эти три фактора и становятся определяющими шанс спасения – класс билета, возраст и пол. У женщины солидного возраста с детьми и с билетом первого класса вероятность выжить увеличивается. Если же речь идёт о мужчине среднего возраста с билетом третьего или второго класса, то шансов на выживание становится в разы меньше.

На месторождениях нефти, открытых десятилетия назад, добыча снижается, а искать новые запасы нефти и извлекать их становится все труднее и дороже. Поэтому в отрасль приходит все больше математиков и программистов, навыки и знания которых позволяют находить решения для рентабельной работы с «трудными» запасами нефти.

Прежде чем добраться до нефти в недрах, современным нефтяникам приходится решать множество уравнений с большим количеством неизвестных на основе огромной массы данных.

Рассмотреть геологическое строение пласта под землей невозможно. Даже разведочные скважины позволяют «увидеть» всего в радиусе 15 см вокруг них. Остальное нужно воссоздавать при помощи анализа закономерностей в данных, от точности которого зависит успешность всего проекта. Поэтому на помощь современным нефтяникам приходят математические модели. Они создаются на основе промысловых данных, полученных из разных источников – анализа сейсмики, геологоразведки, лабораторных исследований.

Процесс напоминает головоломку судоку: есть небольшой набор известных данных, а остальное нужно достроить самостоятельно. Только в отличие от самых сложных кроссвордов в данном случае объем знаний и неизвестных имеет соотношение примерно, как большая цистерна и Азовское море. Несмотря на это, у современного нефтяника есть инструменты, позволяющие собирать в огромные цифровые модели целые нефтеносные бассейны размерами с регионы. Алгоритмы на основе больших данных находят закономерности в геологических сочетаниях и достраивают недостающую информацию.

Вместо месяцев сложной работы специалиста программа за неделю предлагает несколько оптимальных планов добычи углеводородов. В будущем развитие этих технологий позволит разрабатывать сложные месторождения, ранее считавшиеся нерентабельными, а значит поддерживать сегодняшние объемы добычи нефти на протяжении еще 20-30 лет.