Page 35 - IE__2_2026

Общим является значительное ским данным на основе сверточных нейронных сетей. Способ

внимание, уделяемое инновациям интеллектуального определения тектонических нарушений
в сфере обработки собираемых включает (см. Рис.8): получение куба измеренных сейсмиче-
ских данных, деление куба измеренных сейсмических данных
разнородных данных, а также на подкубы измеренных сейсмических данных, подачу каж-
моделирования свойств дого подкуба измеренных сейсмических данных в сверточ-
ную нейронную сеть, получение подкубов прогноза разломов
недр и управления рабочим по каждому подкубу сейсмических данных и сбор подкубов
оборудованием. К другим прогноза разломов в куб прогноза разломов. Обеспечивается
надежное выявление и визуализация геологических разломов.
направлениям относятся в т.ч. Запатентованное решение, в общем, направлено на обработку
решения, направленные на снижение собираемых сейсмоданных с целью надежного выявления гео-
логических разломов.
выбросов, на технику безопасности, В патенте RU 2759143 C1, Тюменский институт нефти и газа,
на сам сбор данных. опубликован в 2021 г., предложен способ повышения эффек-
тивности гидродинамических методов увеличения нефтеотда-
чи пласта. Выполняется отбор воды и жидких углеводородов
через добывающие скважины и закачка рабочего агента через
нагнетательные скважины. Регистрируются промысловые
повышение точности прогноза и большая универсальность данные по работе каждой скважины, на основе которых ме-
модели. По сути, на основе собранных данных, включая ар- тодами машинного обучения воспроизводятся исторические
хивные, обучается и оптимизируется NN модель, которая при- замеры добычи воды и углеводородов. В процессе многова-
меняется для определения конкретного свойства подземной риантных расчетов подбираются оптимальные режимы за-
формации для новой скважины – пластового давления. качки вытесняющего флюида и режимы работы добывающих
В патенте US 11933159 B2, Aspen Technology Inc., опублико- скважин, обеспечивающие наибольшую накопленную добычу
ван в 2024 г., предложено построение и применение моделей углеводородов (см. Рис.9). Обеспечивается гидродинамиче-
нефтяных скважин для прогнозирования запарафинивания. ское воздействие на пласт с достижением максимального эф-
В предложенной системе для оценки отложений парафина фекта от изменения кинематики потоков в системе скважин.
используются технологии ИИ в сочетании с архивными сква- Таким образом, запатентовано комплексное техническое ре-
жинными данными, собранными с датчиков, и архивными за- шение, с выходом на оптимизацию работы системы скважин.
писями регистрации рабочих событий, для построения моде-
ли нефтескважины. Модель развертывается для оценки и/или ВЫВОДЫ:
обнаружения состояния запарафинивания в реальном време- 1. Мировые лидеры нефтегазового рынка делают значитель-
ни. Обеспечивается оптимизация обслуживания скважинно- ные инновационные и инвестиционные усилия в разработ-
го оборудования и соответствующее уменьшение простоев. ках в области ИИ в нефтегазе. Данные усилия сопровожда-
Следует обратить внимание, что патентообладатель – сугубо ются соответствующим ростом активности патентования,
софтверная компания, которая занимается технологиями про- что необходимо для сохранения лидерства на высококон-
мышленного ИИ, притом не только для нефтегазовой отрас- курентном рынке. Патент – инструмент стратегический и
ли. Данный патент получен на прикладной аспект прогнози- долгосрочный.
рования конкретного нежелательного состояния скважинного 2. В ряде случаев разработки ведутся в партнерстве с лидера-
оборудования и осуществления соответствующего его мони- ми IT отрасли и крупными научными и образовательными
торинга. учреждениями.
В российском патенте RU 2746691 C1, Газпромнефть, опу- 3. Разработки российских нефтегазовых компаний в области
бликован в 2021г., предложены способ и система интеллекту- ИИ, в целом, есть и на достаточно высоком техническом
ального определения тектонических нарушений по сейсмиче- уровне, но с малым откликом в плане патентной активности.

Список процитированных источников:
[1] “Big Data in Oil & Gas Market Size & Share 2025-2034. Market Size by Offering, by Operation, by Analytics, by Application, by End Use, Growth Forecast”, Wadhwani P., Jaiswal S.,
December 2024, https://www.gminsights.com/industry-analysis/big-data-in-oil-and-gas-market.
[2] https://www.ibm.com/industries/oil-gas.
[3] “Искусственный интеллект в нефтегазовой индустрии Китая”, Овчинников К., Гилев Д., Новосибирский Научно-Технический Центр (ННТЦ), 17.05.2024, https://nntc.pro/tpost/
h2hoet4se1-iskusstvennii-intellekt-v-neftegazovoi-i.
[4] https://www.aramco.com/en/what-we-do/energy-innovation/digitalization/ai-and-big-data.
[5] “Big Data in Oil and Gas Industry”, Brancaccio E., 05.11.2020, https://www.oil-gasportal.com/big-data-in-oil-and-gas-industry.
[6] “Особенности машинного обучения в нефтегазовой отрасли”, Свидченко О., Хабр, 28.12.2023, https://habr.com/ru/companies/oleg-bunin/articles/783656/.
[7] “Цифровые технологии в нефтегазовой отрасли Китая”, ННТЦ, 19.04.2024, https://nntc.pro/tpost/izjk57ika1-tsifrovie-tehnologii-v-neftegazovoi-otra?ysclid=mo8l4a1m
ao352578885.
[8] “Переосмысление нефтяных запасов искусственным интеллектом. Обзор”, Ситников А., Интерфакс, 24.12.2025, https://www.interfax.ru/business/1064849.
[9] “BIG DATA в нефтегазе: оцениваем возможности, преодолеваем барьеры”, Халбакшеев А., Нефтегазовая промышленность, №1, 2025.

32 I ЛЕТО 2026