Мұнай және алгоритмдер: жасанды интеллект деректерді энергияға қалай айналдырады

Мұқаба

Дәйексөз келтіру

Толық мәтін

Аннотация

Мақалада деректерді жаңа энергия көздеріне айналдыруға баса назар аудара отырып, мұнай өнеркәсібінде жасанды интеллекттің қолданылуы қарастырылады. Жасанды интеллект өнімділікті арттыруға, шығындарды азайтуға және қауіпсіздікті арттыруға ықпал ететін мұнай өндіру және өңдеу процестерін оңтайландыру үшін қолданылады. Машиналық оқыту және Заттар Интернеті сияқты инновациялық алгоритмдерді енгізу болжау дәлдігін, жасырын үлгілерді анықтауды және процестерді автоматтандыруды айтарлықтай жақсартады. Бұл технологиялар тәуекелдерді тиімді басқаруға, шығындарды азайтуға және операцияларды жеделдетуге, сондай-ақ экологиялық тұрақтылықты арттыруға көмектеседі. Жасанды интеллект табиғи ресурстарды ұтымды пайдалануға ықпал етеді және қоршаған ортаға әсерді азайтады, мұнай компанияларының экономикалық және экологиялық көрсеткіштерін жақсартады. Тұтастай алғанда, мұнай өнеркәсібінде жасанды интеллектті пайдалану тиімдірек және экологиялық таза өндіріс үшін жаңа мүмкіндіктер ашады

Толық мәтін

##article.viewOnOriginalSite##

Авторлар туралы

Айгерим Б. Сейтімбетова

Академик Е.А. Бөкетов атындағы Қарағанды университеті

Email: sab.buketov.2022@gmail.com
ORCID iD: 0009-0000-8755-7992
Қазақстан, Қарағанды қаласы

Алевтина С. Шульгина-Таращук

Академик Е.А. Бөкетов атындағы Қарағанды университеті

Хат алмасуға жауапты Автор.
Email: alevtinash79@mail.ru
ORCID iD: 0009-0000-4759-9389
Қазақстан, Қарағанды қаласы

Айжан С. Смайылова

Академик Е.А. Бөкетов атындағы Қарағанды университеті

Email: smailova.buketov@gmail.com
ORCID iD: 0000-0003-2936-0336
Қазақстан, Қарағанды қаласы

Әдебиет тізімі

  1. Smith J. Modern Technologies in Oil and Gas Industry. New York : Science Publishing, 2021. 350 p.
  2. Brown T.L. Artificial Intelligence: Challenges and Future Prospects. London : Academic Press, 2021. 220 p.
  3. Колбикова Е.С. Литофациальный анализ и возможности прогнозирования свойств по данным геофизических исследований и сейсморазведки методами машинного обучения // Вестник нефтегазовой отрасли Казахстана. 2021.Т. 3, №4. C. 34–39. doi: 10.54859/kjogi99690.
  4. Жетруов Ж.Т., Шаяхмет К.Н., Карсыбаев К.К., и др. Применение прокси-моделей при прогнозировании параметров разработки нефтяных залежей // Вестник нефтегазовой отрасли Кказахстана. 2022. Т. 4, №2. С. 48–57. doi: 10.54859/kjogi108021.
  5. Williams R.G. Energy and Environment: The New Paradigms. Los Angeles : Energy Books, 2022. 280 p.
  6. Johnson P.D. The Future of Oil and Gas: Sustainable Solutions. Chicago: Global Energy Publishers, 2022. 310 p.
  7. Miller A.J. Digitalization in Energy: Technologies and Strategies. San Francisco : Energy Solutions, 2023. 260 p.
  8. Taylor M.C. Artificial Intelligence in the Energy Sector. Boston : Tech Innovations, 2023. 230 p.
  9. Davis B.P. Innovative Methods in Oil Exploration and Extraction. Houston : Oil & Gas Press, 2022. 375 p.
  10. Wilson C.A. Smart Energy Systems: Artificial intelligence and Beyond. Oxford : Future Energy Publications, 2022. 300 p.
  11. Evans R.J. Energy Markets and Artificial Intelligence: A New Era. Cambridge : Energy Insights, 2021. 320 p.
  12. Dutta D., Upreti S.R. Artificial intelligence-based process control in chemical, biochemical, and biomedical engineering // Canadian Journal of Chemical Engineering. 2021. Vol. 99, Issue 11. P. 2467–2504. doi: 10.1002/cjce.24246.
  13. Terkina A. Use of information technology by engineers in the oil and gas industry // Recent Achievements and Prospects of Innovations and Technologies. 2022. Vol. 1. P. 122–128.
  14. Grimberg H., Tiwari V.S., Tam B., et al. Machine learning approaches to optimize small-molecule inhibitors for RNA targeting // Journal of Cheminformatics. 2022. Vol. 14, N 1. P. 1–15. doi: 10.1186/s13321-022-00583-x.
  15. Gallegos M., Vassilev-Galindo V., Poltavsky I., et al. Explainable chemical artificial intelligence from accurate machine learning of real-space chemical descriptors // Nature Communications. 2024. Vol. 155. doi: 10.1038/s41467-024-48567-9.
  16. Parker D.L. Artificial Intelligence and the Future of Energy. Toronto : GlobalTech, 2023. 210 p.
  17. Abisha J.J., Janaki M. Cyber security for chemical plant using artificial intelligence // International Journal of Computer Science and Mobile Computing. 2024. Vol. 13, Issue 5. P. 116–129. doi: 10.47760/ijcsmc.2024.v13i05.012.

Қосымша файлдар

Қосымша файлдар
Әрекет
1. JATS XML
Жүктеу
2. Figure 1. Program

Жүктеу (515KB)
Метадеректер
3. Figure 2. Actual vs. Predicted Oil Output

Жүктеу (48KB)
Метадеректер
4. Figure 3. Visualization of Pressure, Temperature and Oil Output

Жүктеу (48KB)
Метадеректер

© Сейтімбетова А.Б., Шульгина-Таращук А.С., Смайылова А.С., 2025

Creative Commons License
Бұл мақала лицензия бойынша қол жетімді Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».