Wyniki wyszukiwania - BazTech

1

Smart Field – rozwijane narzędzia oparte na sztucznej inteligencji

Dudek Jacek, Kawecki Bartłomiej, Podsobiński Daniel, Mucha Paweł

Wiadomości Naftowe i Gazownicze

|

2023

|

R. 26, Nr 4 (290)

24-27

PL

Wraz z postępującym rozwojem technologii, narzędzia sztucznej inteligencji (AI) stają się coraz bardziej powszechne w różnych dziedzinach przemysłu, w tym w poszukiwaniach i wydobyciu ropy naftowej i gazu ziemnego. W niniejszym artykule omówiono różne aspekty zastosowania budowanych w ramach projektu Smart Field zaawansowanych narzędzi analitycznych, w tym wykorzystanie algorytmów uczenia maszynowego do analizy danych geologiczno-złożowych, prognozowanie parametrów produkcyjnych złoża oraz automatyczne sterowanie różnymi procesami. Ponadto, wskazano na korzyści, jakie przynosi zastosowanie AI w branży oil&gas, takie jak zwiększenie dokładności szacowania zasobów, optymalizacja procesów wydobycia i przeróbki węglowodorów, zwiększenie efektywności energetycznej przy jednoczesnym ograniczeniu szkodliwego wpływu na środowisko.

EN

Along with technology development, artificial intelligence (AI) tools are becoming more and more common in various industries, including exploration & production of hydrocarbon. This article discusses various aspects of the application of advanced analytical tools being built as part of the Smart Field project, including the use of machine learning algorithms (ML) to analyse geological and reservoir data, forecasting of production parameters and automatic control of various processes. In addition, the benefits of using AI in the oil & gas industry were indicated, such as increasing accuracy of resource estimation, optimising hydrocarbon production & processing facility with simultaneous increasing energy efficiency while reducing harmful environmental.

2

Wykorzystanie algorytmów sztucznej inteligencji do dynamicznego określania punktu pracy obiektów wod-kan

Zakrzewski P., Mazurkiewicz J., Antonowicz A.

Instal

|

2018

|

nr 9

53--57

PL

W artykule opisano wykorzystanie algorytmów sztucznej inteligencji do dynamicznego określania punktu pracy. Zaprezentowano warstwową strukturę systemu sterowania, scharakteryzowano poszczególne warstwy oraz podano przykłady obecnego i przyszłego wykorzystania systemu opierającego się na dynamicznym określaniu punktu pracy dla obiektów wod-kan. Przedstawiono w jaki sposób można przeprowadzić dekompozycję zadań sterowania na przykładzie biologicznego procesu oczyszczania ścieków metodą osadu czynnego z usuwaniem związków węgla i azotu. Opisano złożoność problematyki sterowania i optymalizacji przy instalacji oczyszczania ścieków oraz podano rozwiązanie przy wykorzystaniu systemu dynamicznego określania punktu pracy DEOPS (ang. Dynamic Estimation of Operating Point System) umożliwiającego zintegrowanie wielu różnych źródeł informacji w zależności od realizowanego etapu przedsięwzięcia.

EN

In this paper the using of artificial intelligence algorithms to dynamic estimation of operation point for water and sewage facility was discussed. The hierarchical structure of the control system was presented, individual layers were characterized and examples of current and future use of a system based on dynamic determination of work point for water and sewage facilities were given. How the control tasks can be decomposed on the example of the biological process of wastewater treatment by the activated sludge method with the removal of carbon and nitrogen compounds was presented. The complexity of control and optimization of wastewater treatment systems were described and its solution using the Dynamic Estimation of the Operating Point System (DEOPS) system enabling the integration of many different sources of information depending on the implemented stage of the undertaking were given.

3

Neural network and convolutional algorith to extract shapes by e-Medicus application

Rymarczyk T., Stefaniak B., Adamkiewicz P.

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2018

|

T. 8, nr 3

39--42

EN

The solution shows the architecture of the system collecting and analyzing data. There was tried to develop algorithms to image segmentation. These algorithms are needed to identify arbitrary number of phases for the segmentation problem. With the use of algorithms such as the level set method, neural networks and deep learning methods, it can obtain a quicker diagnosis and automatically marking areas of the interest region in medical images.

PL

Rozwiązanie pokazuje architekturę systemu zbierającego i analizującego dane. Opracowano algorytmy segmentacji obrazu. Algorytmy te są potrzebne do identyfikacji dowolnej liczby faz dla problemu segmentacji. Dzięki zastosowaniu algorytmów, takich jak metoda zbiorów poziomicowych, sieci neuronowych i metody głębokiego uczenia się, można uzyskać szybszą diagnozę i automatyczne oznaczanie obszarów w regionie zainteresowania w obrazach medycznych.

4

Wspomaganie sterowania statkiem za pomocą ewolucyjnych sieci neuronowych

Łącki M.

Zeszyty Naukowe / Akademia Morska w Szczecinie

|

2008

|

nr 14 (86)

34-37

PL

W artykule przedstawiono koncepcję zastosowania ewolucyjnych sieci neuronowych we wspomaganiu procesów podejmowania decyzji podczas manewrowania statkiem na ograniczonym obszarze. Rozważane są wybrane algorytmy, operacje genetyczne, metody kodowania i selekcji oraz struktury ewolucyjnych sieci neuronowych.

EN

This paper describes a concept of evolutionary neural networks application in decision process support during vessel manoeuvring in a restricted area. Selected algorithms, genetic operations, methods of coding and selection, and structures of evolutionary neural networks are considered in the paper.