Ученые разработали алгоритмы машинного обучения для определения параметров нефти
В частности, новый метод позволяет получить информацию о нефти прямо в скважине, без подъема образцов на поверхность и тестирования в лаборатории
Сотрудники Сколковского института науки и технологий (Сколтех) с иностранными коллегами разработали алгоритмы машинного обучения для определения вязкости нефти. Новый метод может использоваться нефтяными компаниями и даже масштабироваться для других отраслей, где важно определять свойства вещества по косвенным параметрам, сообщила во вторник пресс-служба вуза.
"Группа ученых из Сколтеха, Университета Калгари (Канада) и Университета Кертин (Австралия) применили к данным ядерного магнитного резонанса (ЯМР) алгоритмы машинного обучения. Модель, обученная на ЯМР данных различных видов нефти из месторождений Канады и США, смогла точно предсказывать вязкость, что подтверждалось результатами лабораторных исследований", - говорится в сообщении.
Вязкость - важный параметр для нефти, который оказывает влияние и на ее добычу, и процессы дальнейшей обработки, а также необходим для понимания процессов в самих месторождениях. Стандартные методы определения и мониторинга вязкости дорогие, занимают много времени и при этом не всегда выполнимы технически.
Ученые в новой работе предложили изучать вязкость не напрямую, а по косвенным измерениям. В частности, не по лабораторным тестам с использованием вискозиметра, а с помощью ЯМР измерений. ЯМР - метод, основанный на способностях вещества поглощать и излучать электромагнитную энергию. С его помощью успешно можно определить свойства вещества. Однако химически нефть неоднородна и представляет из себя смесь различных углеводородов, поэтому интерпретировать результаты ЯМР крайне сложно.
Обойти эту проблему исследователям помогли методы машинного обучения, которые в ходе экспериментов показали точность выше, чем при использовании классических методов. Еще один плюс предложенного способа в том, что информацию о нефти можно получить прямо в скважине, без подъема образцов на поверхность и тестирования в лаборатории.
Ученые утверждают, что область применения технологии не ограничивается нефтедобычей. Существует много примеров, где достать образец материала на тестирование очень сложно, и проведение измерений косвенных параметров - хорошая альтернатива. Например, в пищевой отрасли можно определять качество фруктов без разрезания, или в сельском хозяйстве можно оценивать свойства почв сразу на больших площадях. Исследование опубликовано в журнале Energy and Fuels.