View Project

Norwegian AI Directory

Machine learning in geoscience


Description:

I dette prosjektet har vi utviklet EarthNET som er en cloud-nativ plattform laget for å styrke geologers arbeid med AI teknologi. EarthNET leverer datadrevet beslutninger til geologer, reservoaringeniører og E&P beslutningstakere, som gir dem muligheten til å forstå undergrunnen og evnen til å oppdatere undergrunnsmodeller med en bedre nøyaktighet og effektivitet. Petrofysikere, geofysikere, geologer, seismikk tolkere og E&P generalister kan enkelt anvende avansert AI datavitenskaplig teknologi for å maksimere verdien av deres data og bygge et sterkt fundament for å utføre datadrevet beslutninger. EarthNET kobler brukerne opp mot energi selskapets interne og eksterne data resurser, med kraftige prosesseringskraft og AI drevet geovitenskapelige applikasjoner. Denne konnektiviteten og de integrerte applikasjonene i EarthNET frigjør brukeren fra data og disiplin siloer som skaper en frigjort og fullintegrert kryssdisiplinær analytisk workflow. EarthNET er en plattform som tilbyr et integrert sett med AI-drevende applikasjoner. Det integrert systemet gir geologene tilgang til all relevant data som kan bidra til ny kunnskap for å skape 3D egenskaps modeller og for å beregne data-drevende sannsynlighets volumer for prospekter og produserende reservoarer. Hoved fokuset med plattformen har vært å tilby datadrevet beslutnings støtte til geologer og beslutningstakere, her er et knippe av de viktigste applikasjonene: EarthBANK: EarthNET gir brukeren tilgang til EarthBANK som er en ML-Ready database. Databasen inkluderer «Data-Packs» tilgjengeliggjort av Earth Science Analytics, selskapets egne data og «Data-Packs» fra tredje parts leverandører. EarthAI Wells: Med EarthNETs applikasjon for brønndata kan geologer raskt identifisere områder i brønnen med gode bergart og fluid egenskaper og estimere manglende intervaller i brønnen. EarthAI 3D property prediction: Med 3D prediksjons verktøyet kan geologen raskt beregne høykvalitets bergart og fluid egenskaps kuber, enten som en funksjon av invertert seismisk data, eller som en funksjon av partial-stack kuber. Partial-stacks blir brukt til modellens egenskaper og labels blir skapt av egenskapskurver i brønnen. EarthAI seismic interpretation: Automatic Seismic Interpretation (ASI) kan redusere tiden geologen bruker på å tolke seismikken med en faktor >10. Geologer kan enkelt trene eller legge til ML modeller for automatisk tolkning av refleksjoner og forkastninger. Oppgaver som tidligere tok uker eller måneder kan nå gjøres på dager, kvaliteten på tolkningene vil også være forbedret. Brukeren kan bruke sine egne labels eller bruke en av våre pre trente ASI modeller tilgjengelig i EarthNET.


Project leader: Eirik Larsen

Started: 2018

Ends: 2021

Category: Næringsliv

Sector: Næringsliv

Budget: 6999986

Institution: EARTH SCIENCE ANALYTICS AS

Address: