FiberInsight, перша модель інтерпретації нафтового поля розвитку незалежно, розроблена в Китаї, є видатним результатом цієї комбінації. На пізньому етапі розвитку офшорного нафтового поля традиційні методи моніторингу важко точно захопити розподіл нафти, що залишилася, як "поблизу - огляд", що стало важкою проблемою в галузі. Модель з волоконно -самим, як "лікар нафтового поля", успішно вирішила цю проблему, поєднуючи алгоритми AI та технологію оптичного зондування оптики. Алгоритми AI мають сильні можливості обробки даних, а технологія зондування волокон - висока чутливість. Двоє доповнюють один одного і можуть точно стежити за станом виробництва офшорних нафтових родовищ.
Оптичний масив розподіленого волокна, встановленого в криниці, схожий на "нервові закінчення нафтового поля" і може збирати дані, такі як температура, звукова хвиля та тиск у режимі реального часу. Спираючись на модель розпізнавання штучного інтелекту на олії - вода з двома фазовими водними діапазоном незалежно, розробленою CNOOC, точність ідентифікації води - шарі - скорочення до 98%, що досягає міжнародного підвищення рівня. У той же час, команда розробників встановила першу базу даних моніторингу нафтового волокна в Китаї, накопичивши більше 10, 000 наборів багатовимірних характеристикних зразків параметрів, закладаючи суцільну основу даних для оптимізації моделі.
Ву Джі, член команди розвитку, яскраво заявив, що в минулому розвиток на офшорному нафтовому полі - це "пошук нафти в темряві", а Fiberinsight - це як увімкнення "прожектора" та "сканера КТ". Він може проникнути на сліпі ділянки традиційного моніторингу, інтелектуально визначити слабкі відмінності сигналу на інтерфейсі нафти - водяний інтерфейс та зробити раніше важкими - виявити резервуари "майже прозорі". Більше того, здатність до навчання AI робить його як "постійно розвивається учня". Чим більше даних він аналізує, тим сильніша здатність до прогнозування. Завдяки "Brute - Suce Envising" масових даних він також може видобувати приховані закони про резервуарі з десятків тисяч наборів історичних даних і навіть прогнозувати динамічні зміни водойм у найближчі роки, що неможливо для традиційних методів. To solve the problem of fiber - optic signal processing, Zhao Guangzhen, a member of the development team, developed the "Deep - sea Eye" system, conquered the fiber - optic signal noise reduction technology, and developed a fiber - optic data compression algorithm, which greatly shortened the analysis time of 1 - TB - level data from 72 hours to 12 hours, achieving the leap from "unable to hear clearly" "вміти чітко почути". Модель з волоконно -котлем має великий потенціал і є інтелектуальним інструментом для виявлення залишків масла та точно поступового потенціалу.
Завдяки даним моніторингу в реальному часі - вони можуть самостійно визначити закони підземної нафти - воду з міграції води, точно знаходити решту - нафтові - багаті райони, забезпечити підтримку науковим дослідникам для формування планів коригування наукових розвитку та допомагають старим нафтовим полям підтримувати стабільне та високе виробництво врожайності. Невдача зусилля групи з волоконно -оптичного моніторингу та інтерпретації CNOOC Energy Technology & Services - Engineering Technology Co., Ltd. зробила алгоритми AI та технології оптичного зондування яскраво, що яскраво просвічують у розвитку офшорного нафтового поля. Оскільки модель FiberInsight постійно оптимізується і широко застосовується, вона забезпечить сильний поштовх для ефективного розвитку офшорної нафти і газу в Китаї, очікується, що встановить нові інтелектуальні та вишукані орієнтири у глобальному офшорному полі нафти та газу, а також очолить нову тенденцію розвитку галузевих технологій.
"Фіберінсів - це не лише технологічний прорив, але й" прозора революція "в розвитку нафтового поля, що дозволяє нам" бачити "підпільні таємниці в глибших і складніших морських районах і знайти більше" прихованих скарбів "." Це інноваційне досягнення продовжуватиме сприяти розвитку офшорного нафтового поля до нової висоти та вводити нову життєву силу в розвиток енергетичного поля.