Образовательные дни
2025
Образовательные дни 2025
ноябрь 2025
Онлайн
ноябрь 2025
Онлайн
Курсы А. А. Шевченко
Лектор: Шевченко Алексей Александрович
кандидат технических наук, руководитель отдела разработки программного обеспечения и технологий ООО «ПетроТрейс». Окончил МИНХ и ГП им.Губкина в 1981 году. С 1981 по 1989 работал в ЦГЭ МНП г.Москва. С 1989 по 2006 год работал в компаниях МД СЕЙС и ПетроАльянс. С 2006 по 2013 сотрудник научно исследовательского центра Шлюмберже. С 2014 года по настоящее время сотрудник компании ПетроТрейс. С 1999 по 2019 год преподавал в РГУ Нефти и Газа им.Губкина. Член профессиональных обществ ЕАГО, EAGE и SEG.
кандидат технических наук, руководитель отдела разработки программного обеспечения и технологий ООО «ПетроТрейс». Окончил МИНХ и ГП им.Губкина в 1981 году. С 1981 по 1989 работал в ЦГЭ МНП г.Москва. С 1989 по 2006 год работал в компаниях МД СЕЙС и ПетроАльянс. С 2006 по 2013 сотрудник научно исследовательского центра Шлюмберже. С 2014 года по настоящее время сотрудник компании ПетроТрейс. С 1999 по 2019 год преподавал в РГУ Нефти и Газа им.Губкина. Член профессиональных обществ ЕАГО, EAGE и SEG.
Геометрическая теория миграции
Фильтрация и деконволюция. Согласованная деконволюция при сравнении различных съемок
Разрешающая способность и отображение геологических объектов в сейсмической записи
Моделирование волн. Трассировка и бендинг
Опто-волоконные измерительные системы в сейсморазведке
Лектор: А. А. Шевченко
Предлагаемый курс - образовательный и его цель дать слушателям информацию о возможностях использования нового вида регистрирующих систем. С одной стороны можно рассматривать курс как рекламу ОВИС и попытку продвижения технологии в практику. Но с другой стороны конструктивная оценка возможностей ОВИС помогает избежать переоценки возможностей нового оборудования в сейсморазведке. Целевая аудитория данного курса – это специалисты, заинтересованные в усовершенствовании полевых сейсмических наблюдений.
Принципы регистрации сейсмической информации с помощью оптоволоконных измерительных систем сильно отличаются от традиционных приемных устройств. С точки зрения принципов измерения ОВИС сложнее, чем стандартная система наблюдения с сейсмоприемниками. Поэтому первое что рассматривается в лекции – это информация о базовых принципах измерения.
Принципы регистрации сейсмической информации с помощью оптоволоконных измерительных систем сильно отличаются от традиционных приемных устройств. С точки зрения принципов измерения ОВИС сложнее, чем стандартная система наблюдения с сейсмоприемниками. Поэтому первое что рассматривается в лекции – это информация о базовых принципах измерения.
Для того чтобы оценить возможность использования в сейсморазведке рассматриваются практические примеры, опубликованные за последние годы в геофизической литературе.
Контроль качества измерений с ОВИС, представленный в курсе лекций, позволяет ответить на вопрос как контролировать наблюдения и какие опытные работы требуется выполнить перед постановкой полевых работ.
Контроль качества измерений с ОВИС, представленный в курсе лекций, позволяет ответить на вопрос как контролировать наблюдения и какие опытные работы требуется выполнить перед постановкой полевых работ.
Часть I. Концепция, принцип и измерения распределенного акустического зондирования (DAS или ОВИС)
Часть II. Сбор сейсмических данных с использованием распределенной волоконно-оптической системы наблюдений.
Часть III. Применение оптоволоконных систем наблюдения DAS или ОВИС в сейсморазведке. Обзор литературы и примеров проведения полевых работ.
ноябрь 2025 г.
Программирование на Python и технологии машинного обучения для решения задач геологии и геофизики
Лекторы: А. Буторин, А. Камашев, Г. Тимошенко
Формат проведения: онлайн.
- Александр Васильевич БуторинКандидат геолого-минералогических наук, доцент кафедры «Геофизика» Института наук о Земле СПбГУ, руководитель по развитию дисциплины «Сейсморазведка», Группа компаний «Газпром нефть»
- Александр Максимович КамашевНаучный сотрудник Новосибирского Государственного Университета. Руководитель отдела разработки нейросетевых алгоритмов в "лаборатории обработки и анализа сейсмических данных". Преподаватель курса "Программирование для геофизиков на языке Python" для студентов 3-курса бакалавриата Геолого-геофизического факульта НГУ (с 2021 г.). Преподаватель курса "Машинное обучение для анализа геолого-геофизических данных" для студентов 1-го курса магистратуры "IT-геофизика" Геолого-геофизического факульта НГУ (с 2022 г.)
- Галина Михайловна ТимошенкоГеолог отдела оценки запасов и разработки месторождений МК ООО "Газпром интернэшнл Лимитед"
Цели курса:
- Познакомить участников с базовыми навыками программирования на Python и использования их для работы с геолого-геофизическими данными
- Дать общие сведения о различных методах машинного обучения и их применении
- Продемонстрировать методы работы машинного обучения на реальных примерах решения задач геологоразведки
План Занятий:
День 1:
Общие сведения о языке Python: типы данных, синтаксис, условные конструкции и циклы, функциональное программирование;
День 2:
Использование Python для работы с геолого-геофизическими данными. Загрузка скважинных/картографических/сейсмических данных. Совместный анализ данных.
День 3:
Введение в машинное обучение.
Классическое обучение:
1) Кластеризация данных на примере задачи сейсмофациального анализа;
2) Классификация данных на примере задачи интерпретации данных ГИС;
3) Понижение размерности на примере задачи анализа сейсмических атрибутов
День 1:
Общие сведения о языке Python: типы данных, синтаксис, условные конструкции и циклы, функциональное программирование;
День 2:
Использование Python для работы с геолого-геофизическими данными. Загрузка скважинных/картографических/сейсмических данных. Совместный анализ данных.
День 3:
Введение в машинное обучение.
Классическое обучение:
1) Кластеризация данных на примере задачи сейсмофациального анализа;
2) Классификация данных на примере задачи интерпретации данных ГИС;
3) Понижение размерности на примере задачи анализа сейсмических атрибутов
День 4:
Глубокое обучение:
1) Полносвязные нейронные сети на примере задачи нелинейного регрессионого анализа сейсмических атрибутов;
2) Свёрточные нейронные сети на примере задачи обработки сейсмических изображений
День 5:
Методы машинного обучения для решения задач в геологоразведке. Прогноз коллектора на площади без скважинных данных с привлечением данных соседнего разбуренного месторождения. Будет рассмотрен пример работы по прогнозу коллекторских свойств на изучаемом ЛУ.