Проектно-образовательный практикум по цифровизации процессов обработки и интерпретации геолого-геофизической информации

Направление программы: Наука / Искусственный интеллект и информационные технологии

Актуальность программы: Мир находится на том этапе развития, когда технологии за кратчайшие сроки кардинально меняют привычный уклад жизни человека и ход событий в различных отраслях экономики и промышленности. Четвертая промышленная революция стремительно набирает обороты, в том числе за счет цифровых технологий, роботизации производственных процессов, активного внедрения киберсистем, развития интернета вещей.

Большая доля информации, связанной с геотехнологическими исследованиями, находится в цифровом виде. Практически на каждой из цепочек геологоразведочного процесса, начиная с полевого этапа, уже используются технические средства с автоматизированными способами получения геологической информации, в том числе в цифровом виде. Очевидно, что здесь надо учитывать приоритеты геологоразведочных работ по отраслям: углеводородное сырьё, твёрдые полезные ископаемые, подземные воды, мониторинг состояния недр, а также ретроспективу и перспективу цифровизации отрасли.

В этой связи подготовка специалистов в области цифровизации процессов обработки и интерпретации геолого-геофизических данных, построения онтологий и анализа сложных систем является актуальной задачей развития отрасли.

В рамках программы под руководством ведущих ученых и специалистов компаний учащиеся познакомятся с основами нефтегазового дела, геологии и геофизики, в составе проектных команд выполнят проекты, направленные на решение практических задач.

Цель и задачи программы: Программа направлена на освоение студентами профильных направлений подготовки / специальностей современными средствами и методами работы в области цифровизации и автоматизации процессов обработки и интерпретации информации в нефтегазовой отрасли на основе разработки проектов.

Основные задачи программы

• развивать умения формирования проектной идеи в комплексное концептуальное обоснование и решение (создание продукта, готового для практического использования в компании);
• развивать основные навыки владения современными программными комплексами, технологиями в области цифровизации и автоматизации процессов обработки и интерпретации информации в нефтегазовой отрасли, анализа данных;
• развивать творческий и рациональный подход к решению поставленных задач;
• развивать навыки, требуемые большинством видов современной деятельности (налаживание контактов с другими членами коллектива, планирование и организация совместной деятельности и т.д.).

Форма обучения: очно-заочная.

На заочном этапе учащиеся изучают материалы дистанционных курсов по применению современных цифровых технологий в нефтегазовой отрасли, выполняют хакатон.

В рамках очного этапа: лекции по нефтегазовым дисциплинам и групповые практические занятия по разработке проектов (перечень проектов приведен в разделе «Описание проектов»), мастер-классы, круглый стол (презентация и обсуждение проектов).

Режим занятий: Очный этап - 6-тидневная неделя по 9 академических часов в день, 54 академических часа в неделю.

Объем и длительность программы: 232 часа (6 недель), из них:
        124 часа - заочный этап (4 недели); 
        108 часов очный этап (2 недели)

Сроки реализации программы: Очный этап программы состоится в ноябре 2019 года

Учебный план

Содержание программы

Дисциплина (Модуль) 1. Применение современных цифровых технологий в нефтегазовой отрасли:

1. 1. Современные ИКТ для решения практических задач нефтегазовой отрасли: Ведение в курс. Обзор методов и средств обработки информации и интерпретации данных. Применение статистических алгоритмов, моделей машинного обучения и подходов компьютерного зрения для автоинтепретации топологии порового пространства горных пород. Автоматизации задач, связанных с построением и использование онтологий.

1.2. Основы нефтегазового дела: Мировой нефтегазовый комплекс. Основы геологии нефти и газа. Основы поведения пластовых систем. Исследование скважин и пластов. Разработка нефтяных месторождений. Бурение и конструкция скважин. Техника и технология добычи нефти. Добыча и транспорт газа. Сбор и подготовка нефти.

1.3. Геология для не геологов: Структура и история Земли. Структурная геология осадочных бассейнов. Седиментационные модели. Стратиграфические основы анализа осадочных бассейнов. Картопостроение.
Нефтегазоносная система. Фильтрационно-емкостные свойства пород. Основы интерпретации данных сейсморазведки. Основы проведения и интерпретации ГИС. Геологическое моделирование.

Практические занятия: Практический кейс «Поиск залежи». Выполнение группового проекта по перечню. Мастер-классы по применению современных ИКТ для решения практических задач. Круглый стол – презентация и защита проектов.

Самостоятельная работа: Выполнение хакатона - разработка методики автоматической интерпретации данных каротажных исследований скважин, способную уверенно выделять нефтенасыщенные интервалы в геологическом разрезе и оценивать их потенциал или качество, опираясь только на имеющуюся информацию.

• будут иметь представление о процессах и понятиях нефтегезовой отрасли;
• повысят свой уровень готовности к работе в команде специалистов, решающих задачи автоматизации процессов в нефтегазовой отрасли;
• научатся использовать методы статистического анализа, машинного обучения и компьютерного зрения для решения прикладных задач нефтегазовой отрасли.

Результат проекта: разработанные методологический подход, математическая модель, программный продукт, презентация.

Основной формой подведения итогов для определения уровня освоения программы является защита проекта.

По итогам защит проектов, учащиеся, продемонстрировавшие лучшие результаты, будут приглашены на стажировки в ООО «Газпромнефть НТЦ».

Материально-технические условия
 

Техническое обеспечение для выполнения проектов

Рабочая станция с установленными ПО для статистического анализа и моделирования на языках R и Python
Библиотеки Python: Anaconda, PyTorch, PyCUDA
Графический ускоритель NVidea с возможность программирования на CUDA

По итогам рассмотрения заявок и результатов выполнения Хакатона было отобрано учающихся, приглашенных к участию в программе — студенты из числа лиц, чьи достижения включены в государственный информационных ресурс о детях, проявивших выдающиеся способности, из них 4 студента — получатели грантов Президента РФ.

Требования к участникам: Студенты российских вузов (18+) из числа победителей и призеров мероприятий, включенных в государственный информационный ресурс о детях, проявивших выдающиеся способности, получателей грантов Президента РФ, выпускников Образовательного центра «Сириус», обучающиеся по программам магистратуры 1-2 курса, программам бакалавриата / специалитета со 2-го курса.
Возраст 18+ (по состоянию на 01.11.2019).

Программа ориентирована на студентов, имеющих уверенные математические навыки, навыки программирования, моделирования физических процессов, предпочтительно обучающихся по программам:

Бакалавриат

•    Математика и механика (01.03.01- 01.03.05)
•    Компьютерные и информационные науки (02.03.01-02.03.03)
•    Физика и астрономия (03.03.01-03.03.03)
•    Науки о Земле (05.03.01 Геология)
•    Информатика и вычислительная техника (09.03.01-09.03.04)
•    Физико-технические науки и технологии (16.03.01Техническая физика)
•    Прикладная геология, горное дело, нефтегазовое дело и геодезия (21.04.01 Нефтегазовое дело)

Магистратура

•    Математика и механика (01.04.01-01.04.05)
•    Компьютерные и информационные науки (02.04.01-02.04.03)
•    Физика и астрономия (03.04.01-03.04.03)
•    Науки о земле (05.04.01 Геология)
•    Информатика и вычислительная техника (09.04.01-09.04.04)
•    Физико-технические науки и технологии (16.04.01. Техническая физика)
•    Прикладная геология, горное дело, нефтегазовое дело и геодезия (21.04.01 Нефтегазовое дело)

Специалитет

•    01.05.01 Фундаментальные математика и механика
•    03.05.02 Фундаментальная и прикладная физика
•    21.05.03 Прикладная геология
•    21.05.05 Физические процессы горного или нефтегазового производства
•    21.05.06 Нефтегазовые техника и технологии

Рекомендуемый стек технологий и компетенций

•    знание математики и/или физики;
•    английский язык на уровне чтения технической литературы;
•    владение языками статистической обработки информации – Python, R, Matlab;
•    владение инструментами анализа и визуализации информации – Pandas, Matplotlib, Seaborn;
•    знания в области машинного обучения и умение работать с соответствующими библиотеками – Scikit learn, XGBoost, LightGBM, H2O;
•    знания в области глубокого обучения и умение работать с соответствующими библиотеками – Tensorflow, Keras, Pytorch.

Статус победителя или призера олимпиад по математике, программированию или физике является преимуществом (региональный и заключительный этапы Всероссийской олимпиады школьников, заключительный этап олимпиад школьников перечня, утвержденного Минобрнауки РФ, РСОШ).

Общее число обучающихся программы: 20 студентов указанной категории. Группа формируется на конкурсной основе.

Для участия в программе необходимо:

•    пройти регистрацию на данном сайте. Предварительно регистрация на отбор запланирована в срок не позднее 2 сентября 2019 года, прикрепив к регистрационной форме мотивационное письмо и резюме;
•    пройти отборочное испытание - хакатон на Платформе для сотрудничества талантов и бизнеса Профессионалы 4.0 (решение задачи по автоматизации процесса определения продуктивных толщин в скважинах на основе геофизических данных). Письмо с алгоритмом по выполнению хакатона и работе на Платформе будет направлено на указанный при регистрации адрес электронной почты. Сроки проведения хакатона: 5 - 8 сентября 2019.

По итогам хакатона состоится онлайн собеседование с участниками, продемонстрировавшими наиболее высокие результаты. На обучение по программе будут приглашены 20 участников.

Критерии оценки заявок на программу

1) Выполнение общих (технических) требований к заявке:

•    прохождение регистрации + наличие мотивационного письма, резюме;
•    прохождение хакатона;
•    соответствие требованиям возраста участника - 18 лет и старше по состоянию на 01.11.2019;
наличие достижений - статус победителя или призера олимпиад по математике, программированию или физике

2) Результат прохождения хакатона

1. Применение алгоритмов машинного обучения в задаче выделения интервалов нефтенасыщенных пород по данным геофизических исследований скважин на основе методов машинного обучения
2. Реконструкция трехмерной топологии пористой структуры горных пород из двумерных срезов
3. Применение теории сложных систем для анализа и обобщения информации по стоимости исследований месторождений компании
4. Разработка автоматизированной системы по созданию и использованию онтологий в промышленной компании

Описание проектов, реализуемых на программе

Проект 1. Применение алгоритмов машинного обучения в задаче выделения интервалов нефтенасыщенных пород по данным геофизических исследований скважин на основе методов машинного обучения

В ходе работ с месторождением специалисты-геологи используют самые разнообразные источники информации для задач создания максимально репрезентативной модели нефтегазовой залежи. Особое место в используемом наборе данных уделяется скважинной информации, а именно записи значений различных физических полей (так называемой каротажной информации, получаемой в результате геофизических исследований скважин), создаваемых горными породами, интерпретация поведения которых позволяет достаточно детально описать геологический разрез, его свойства, выделить потенциально нефтенасыщенные интервалы и определить дальнейшее направление работ. Проблемой является то, что при изменении подхода к интерпретации и необходимости ее пересмотра, специалисты или даже группа специалистов могут потратить огромное количество времени, измеряемое месяцами, чтобы выполнить эту задачу.

Предлагается создать методику и соответствующий ей инструмент для автоматической интерпретации данных каротажных исследований скважин, которая могла бы, опираясь только на имеющуюся информацию, производить уверенное выделение нефтенасыщенных интервалов в геологическом разрезе с оценкой их потенциала или качества, тем самым помогая специалисту геологу или петрофизику быстрее и качественнее свои ежедневные рутинные задачи по интерпретации данных ГИС.

Ожидаемое решение предполагает, но не ограничивается, применением различных статистических алгоритмов, моделей машинного обучения и подходов компьютерного зрения, которые позволили бы производить устойчивую автоинтепретацию кривых геофизических исследований скважин, результаты которой будут основаны только на имеющейся в распоряжении специалиста информации.

Несмотря на то, что на начальном этапе предполагается наличие имеющейся интерпретации для предоставленных данных, которая была получена экспертом-петрофизиком, решение в дальнейшем должно позволять производить работу по автоматической интерпретации в тех скважинах или их интервалах, где ранее не производилась интерпретация специалистом.

Также в решении ожидается проработка различных путей по учету пространственной информации для получения результатов, которые будут согласованны не только с информацией в конкретной скважине, но и с данными, а также соответствующей им интерпретацией в соседних точках.

_____________________________________________________________________

Проект 2. Реконструкция трехмерной топологии пористой структуры горных пород из двумерных срезов

Задачи обработки изображений возникают во многих отраслях академической и прикладной науки, но в каждой из них они имеют свою специфику, определяющую использование тех или иных алгоритмов. В частности, в нефтегазовой отрасли можно отметить большое количество (двумерных) фотографий шлифов при, фактически, отсутствии соответствующего кернового материала. При этом пористость, размеры и связность пор, топологические особенности «стенок» пор являются ключевыми, определяющими параметрами любой поровой структуры для оценки потенциала залежей. 

Предлагается создать математическую модель или методику и соответствующие им инструменты для автоматической реконструкции 3Д изображений пористой структуры горных пород по 2Д срезам этой пористой структуры. ЗД изображениями пористой структуры выступают трехмерные воксельные модели пористой структуры, являющиеся результатом микротомографии образца горной породы. 2Д срезом может служить любой 2Д изображение пористой структуры, коими могут быть шлифы, 2Д срезы микротомограмм, 2Д сканы микросокопии.

3Д модель – M x N x K бинарный воксельный массив пористой структуры после микротомографии конкретного образца горной породы;

2Д срез – M x N бинарный пиксельный массив данной горной породы (срез под любым углом 3Д массивы)

Ожидаемое решение предполагает, но не ограничивается, применением различных статистических алгоритмов, моделей машинного обучения и подходов компьютерного зрения, которые позволили бы производить устойчивую автоинтепретацию топологии порового пространства горных пород и воспроизводить 3Д топологии, эквивалентные заданной с точки зрения равенства абсолютной проницаемости, из 2Д среза заданной пористой структуры.

Расчет проницаемости предполагается проводить уже имеющимся апробированным гидродинамическим симулятором.

___________________________________________________________________

Проект 3. Применение теории сложных систем для анализа и обобщения информации по стоимости исследований месторождений компании

При планировании и оценки плановой стоимости проведения геологоразведочных работ специалист-геолог проводит достаточно серьезную интеграционную работу, итогом которой является программа следований месторождения с конечной ее стоимостью. Ключевой проблемой является отсутствие унифицированного инструмента сравнения и обобщения такого-рода программ, позволяющее однозначно сказать какую стоимость будет иметь программа изучения месторождения при разных стадиях жизни месторождения и какова она будет на момент разучивания с учетом того, что будет достигнут приемлемым уровень изученности месторождения, снимающий ключевые риски, связанные со строением пласта.

Предлагается создать методологический подход и реализовать его в виде прототипа информационной системы позволяющего проводить анализ сложности месторождения и на основе статистических данных, полученных ранее, оценивать предположительные затраты на исследования месторождения, нормированные на тонну запасов (Рублей/тонну запасов углеводородов (УВ)). Реализацию методологии требуется представить в виде отчета с описанием способов систематизации и анализа имеющихся данных по месторождениям и средним стоимостям исследований в индустрии. Результат методологии должен отражать закономерности изменения стоимости изучения тонны запасов на месторождения от сложности строения месторождения. Сложность строения описывается каким-либо интегральным параметром, который стоит вывести, включающим в себя неоднородность геологического строения (прерывистость углеводородосодержащего пласта по площади, расчлененность пласта по вертикале, неоднородность фильтрационных и емкостях свойств, сложность флюидов и их состав, удаленность объекта исследования от основной инфраструктуры и т.д.). Информационная система должна представлять собой прототип, в котором реализованы все шаги разработанной последовательности по определению сложности, оценки неоднородности и визуализацию результатов на графике с предварительно полученными статистическими закономерностями по ранее накопленным историческим данным по месторождениям и затратам на их исследования.

Ключевой особенностью предлагаемого подхода является применения теории сложных систем для анализа сложности месторождения. Например, при анализе агломерации и городов с применением теории сложных систем были выявлены закономерности длинны городских коммуникаций от интегрированного параметра сложности общества или количество жителей. Материальная инфраструктура, аналогичная биологической передающей сети, — газовые станции, автозаправки, протяженность электрического кабеля, дорожного покрытия, — обнаруживает, как и в «формуле жизни», сублинейную (показатель степени меньше 1) зависимость от численности населения. Формула жизни, в свою очередь, описывает, как ведет себя метаболизм организма в зависимости от массы тела.

Предлагается провести похожий анализ сложности месторождения и его соотношение с затратами на то, чтобы определить и изучить эту сложность, нормированную на количество запасов, сосредоточенных на месторождении.

______________________________________________________________________

Проект 4. Разработка автоматизированной системы по созданию и использованию онтологий в промышленной компании

При разработке интеллектуальных систем, систем управления знаний и хранения контента широко применяют онтологии предметных отраслей. В компаниях с широким полем деятельности такой словарь онтологий может содержать миллионы значений и неограниченное количество связей. Для постоянного использования такого словаря компании необходимо выделять существенные ресурсы, как для создания словаря, так и для поддержания его в актуальном состоянии, добавления новых терминов и связей.

Из-за сложностей оперативного получения словарей становится невозможно быстрое построение MVP и как следствие проведение экспериментов для подтверждения бизнес-гипотез.

Предлагается создать программный продукт и методологический подход к нему, для автоматизации задач, связанных с построением и использование онтологий в компании. 

1.       Любые продукты и решения, позволяющие провести построение онтологий по заданному корпусу документов, с автоматическим выделением терминов из текста и построению связей. Система должна исключать или минимизировать время администратора на коррекцию связей и терминов в системе.

2.       Создание системы для быстрого объединения нескольких онтологий

Любые продукты и решения, способствующие объединению двух случайных словарей онтологий, исключающие или максимально снижающие модерирование и правки конфликтов.

3.       Создание системы для быстрого выделения предметной области из группы объединённых онтологий.

Любые продукты и решения, позволяющие из объединённых словарей онтологий выделить новый набор терминов и связей по заданным.

Для проекта №1

Incorporation of experts’ experience into machine learning models using well logs analysis for Priobskoye and Muravlenkovskoye brownfields - OIJ-2017-12-028-031-RU
Automatic Well Log Analysis Across Priobskoe Field Using Machine Learning Methods - SPE-191604-18RPTC-RU

Для проекта №2

Srisutthiyakorn, N. (2016). Deep-learning methods for predicting permeability from 2D/3D binarysegmented images. SEG Technical Program Expanded Abstracts (стр. 3042-3046). Society of Exploration Geophysicists

Для проекта №3

http://ours-nature.ru/lib/b/book/690692962/44 
http://umdberg.pbworks.com/w/file/fetch/48318752/Science-1997-West.pdf
https://www.ted.com/talks/geoffrey_west_the_surprising_math_of_cities_and_corporations?language=ru#t-51934
https://www.pnas.org/content/115/2/E144.full
Аксельрод С.М. Теория фракталов и ее применение в геологии и геофизике // НТВ «Каротажник». Тверь: Изд. АИС, 2002. Вып.92. С. 9-25.

Для проекта №4

A Practical Guide To Building OWL Ontologies Using Protege 4 and CO-ODE Tools
TaxoFinder: A Graph-based Approach for Taxonomy Learning
Введение в онтологическое моделирование Сергей Горшков
Knowledge Cartography: software tools and mapping techniques

ООО «Газпромнефть НТЦ»

            Официальный сайт: https://ntc.gazprom-neft.ru/

ФГАОУ ВО «Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики» (Университет ИТМО)

       Официальный сайт: http://www.ifmo.ru/ru/

Партнеры формулируют темы проектов, обеспечивают кураторское сопровождение обучающихся программы.

Постпрограммное сопровождение будет осуществляться кураторами через электронную почту. Результаты выполненного проекта будут хорошим пунктом в резюме, повышающим вероятность трудоустройства. Знания, полученные при работе в команде над близким к рабочему проекте, позволят быстро расти в IT-компании, науке или нефтегазовой отрасли. По итогам обучения лучшие студенты будут отдельно приглашены на стажировки в ООО «Газпромнефть НТЦ».