georesГеоресурсыGeoresources1608-50431608-5078Georesursy LLC10.18599/grs.2023.4.13geores-17Research ArticleСТАТЬИRESEARCH ARTICLESЦифровая научная платформа «Агрегатор неструктурированных геолого-промысловых данных»: архитектура и базовые модели извлечения данныхDigital scientific platform “Aggregator of unstructured geological and field data”: architecture and basic models of data extractionНевзороваО. А.NevzorovaO. A.

Ольга Авенировна Невзорова – доцент, кандидат тех. наук, старший научный сотрудник

420008, Казань, ул. Кремлевская, д. 18, корп.1

Olga A. Nevzorova – Associate Professor, Cand. Sci. (Engineering), Senior Researcher

18 Kremlevskaya st., Kazan, 420008

ХакимуллинР. Р.KhakimullinR. R.

Рустем Рафаилевич Хакимуллин – лаборант

420008, Казань, ул. Кремлевская, д. 18, корп.1

Rustem R. Khakimullin – Laboratory Assistant

18 Kremlevskaya st., Kazan, 420008

ИдрисовИ. И.IdrisovI. I.

Ильяс Ирекович Идрисов – научный сотрудник

420008, Казань, ул. Кремлевская, д. 18, корп.1

Ilyas I. Idrisov – Researcher

18 Kremlevskaya st., Kazan, 420008

ilyas_irekovich@mail.ruКазанский (Приволжский) федеральный университетРоссияKazan Federal UniversityRussian Federation202329032024254149162Copyright © Невзорова О.А., Хакимуллин Р.Р., Идрисов И.И., 20242024Невзорова О.А., Хакимуллин Р.Р., Идрисов И.И.Nevzorova O.A., Khakimullin R.R., Idrisov I.I.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.geors.ru/jour/article/view/17

В статье описывается разрабатываемый проект цифровой научной платформы «Агрегатор неструктурированных геолого-промысловых данных», который потенциально может иметь важное значение для нефтегазовой отрасли. Применение новых интеллектуальных технологий в рамках этого проекта позволит существенно повысить эффективность процессов обработки, хранения и использования геолого-промысловой информации, содержащейся в различных текстовых источниках, в основном в отчетах о месторождениях.Главной целью разработки цифровой научной платформы является интегрирование разнородной информации об объектах исследования недр, которая извлекается из отчетов о месторождениях Республики Татарстан. Это позволит создать сводную базу данных, которая станет основой для принятия обоснованных решений в нефтегазовой сфере. Проект цифровой научной платформы включает разработку архитектуры, алгоритмов и программных решений, основанных на современных методах обработки текстов и интеллектуальном анализе данных.

The article describes the project being developed for the digital scientific platform “Aggregator of unstructured geological and field data”, which could potentially be important for the oil and gas industry. The use of new intelligent technologies within the framework of this project will significantly improve the efficiency of processing, storage and use of geological and field information contained in various text sources, mainly in field reports.The main goal of developing a digital scientific platform is to integrate heterogeneous information about the objects of subsurface exploration, which is extracted from reports on deposits of the Republic of Tatarstan. This will create a consolidated database that will become the basis for making informed decisions in the oil and gas sector. The project of the digital scientific platform includes the development of architecture, algorithms and software solutions based on modern methods of text processing and data mining.

cбор и анализ данныхотчеты о месторожденияхбаза данныхавтоматизациябольшие данныеобработка текстовых данныхнеструктурированные данныеизвлечение информацииdata collection and analysisfield reportsdatabaseautomationbig datatext data processingunstructured datainformation extractionРабота выполнена при поддержке Министерства науки и высшего образования Российской Федерации по соглашению № 075-15-2022-299 в рамках программы создания и развития НЦМУ «Рациональное освоение запасов жидких углеводородов планеты».This work was supported by the Ministry of Science and Higher Education of the Russian Federation under agreement No. 075-15-2022-299 as part of the program for the creation and development of the NCMU “Rational development of liquid hydrocarbon reserves of the planet”.ReferencesДежина И.Г., Мясников А.В., Коротеев Д.А. и др. (2017). Актуальные технологические направления в разработке и добыче нефти и газа: публичный аналитический доклад. М.: БиТуБи, 220 с.Abdelhamid K., Ammar T.B., Laid K. (2022). Artificial Intelligent in Upstream Oil and Gas Industry: A Review of Applications, Challenges and Perspectives. Artificial Intelligence and Its Applications. AIAP 2021. Lecture Notes in Networks and Systems, vol. 413. Lejdel B., Clementini E., Alarabi L. (eds). Springer, Cham. https://doi.org/10.1007/978-3-030-96311-8_2424Abdelhamid K., Ammar T.B., Laid K. (2022). Artificial Intelligent in Upstream Oil and Gas Industry: A Review of Applications, Challenges and Perspectives. Artificial Intelligence and Its Applications. AIAP 2021. Lecture Notes in Networks and Systems, vol. 413. Lejdel B., Clementini E., Alarabi L. (eds). Springer, Cham. https://doi.org/10.1007/978-3-030-96311-8_2424Consoli B., Santos J., Gomes D., Cordeiro F., Vieira R., Moreira V. (2020). Embeddings for Named Entity Recognition in Geoscience Portuguese Literature. Proc. 12th Conference on Language Resources and Evaluation (LREC 2020), Marseille, 11–16 May 2020. https://aclanthology.org/2020.lrec-1.568.pdfConsoli B., Santos J., Gomes D., Cordeiro F., Vieira R., Moreira V. (2020). Embeddings for Named Entity Recognition in Geoscience Portuguese Literature. Proc. 12th Conference on Language Resources and Evaluation (LREC 2020), Marseille, 11–16 May 2020. https://aclanthology.org/2020.lrec-1.568.pdfChengbin Wang, Yuanjun Li, Jianguo Chen, Xiaogang Ma (2023). Named entity annotation schema for geological literature mining in the domain of porphyry copper deposits. Ore Geology Reviews, 152, 105243. https://doi.org/10.1016/j.oregeorev.2022.105243Chengbin Wang, Yuanjun Li, Jianguo Chen, Xiaogang Ma (2023). Named entity annotation schema for geological literature mining in the domain of porphyry copper deposits. Ore Geology Reviews, 152, 105243. https://doi.org/10.1016/j.oregeorev.2022.105243Choubey S., Karmakar G.P. (2021). Artificial intelligence techniques and their application in oil and gas industry. Artif Intell Rev, 54, pp. 3665–3683. https://doi.org/10.1007/s10462-020-09935-1Choubey S., Karmakar G.P. (2021). Artificial intelligence techniques and their application in oil and gas industry. Artif Intell Rev, 54, pp. 3665–3683. https://doi.org/10.1007/s10462-020-09935-1Deloitte Analysis Report (2019). Digital transformation of oil and gas sector. https://www.petrotech.in/static/pdf/Theme-Session-Deloitte.pdfDeloitte Analysis Report (2019). Digital transformation of oil and gas sector. https://www.petrotech.in/static/pdf/Theme-Session-Deloitte.pdfDezhina I.G., Myasnikov A.V., Koroteev D.A. et al. (2017). Current technological trends in the development and production of oil and gas: public analytical report. Moscow: BiTuBi, 220 p. (In Russ.)Goodfellow I., Bengio Y., Courville A. (2016). Deep learning. Cambridge, MA: MIT Press.Goodfellow I., Bengio Y., Courville A. (2016). Deep learning. Cambridge, MA: MIT Press.Hoffimann Julio, Mao Youli, Wesley Avinash, Aimee Taylor (2018). Sequence Mining and Pattern Analysis in Drilling Reports with Deep Natural Language Processing. SPE Annual Technical Conference and Exhibition, Dallas, Texas, USA, September 2018. https://doi.org/10.2118/191505-MSHoffimann Julio, Mao Youli, Wesley Avinash, Aimee Taylor (2018). Sequence Mining and Pattern Analysis in Drilling Reports with Deep Natural Language Processing. SPE Annual Technical Conference and Exhibition, Dallas, Texas, USA, September 2018. https://doi.org/10.2118/191505-MSLucas P. Cinelli, José F.L. de Oliveira, Vinicius M. de Pinho et al. (2021). Automatic event identification and extraction from daily drilling reports using an expert system and artificial intelligence. Journal of Petroleum Science and Engineering, 205. https://doi.org/10.1016/j.petrol.2021.108939Lucas P. Cinelli, José F.L. de Oliveira, Vinicius M. de Pinho et al. (2021). Automatic event identification and extraction from daily drilling reports using an expert system and artificial intelligence. Journal of Petroleum Science and Engineering, 205. https://doi.org/10.1016/j.petrol.2021.108939Nooralahzadeh F., Øvrelid L., Lønning J.T. (2018). Evaluation of domain-specific word embeddings using knowledge resources. Proc. 11th International Conference on Language Resources and Evaluation (LREC 2018), pp. 1438–1445. http://www.lrec-conf.org/proceedings/lrec2018/pdf/268.pdfNooralahzadeh F., Øvrelid L., Lønning J.T. (2018). Evaluation of domain-specific word embeddings using knowledge resources. Proc. 11th International Conference on Language Resources and Evaluation (LREC 2018), pp. 1438–1445. http://www.lrec-conf.org/proceedings/lrec2018/pdf/268.pdfQiu Q., Xie Z., Wu L., Tao L., and Li W. (2019). Bilstm-crf for geological named entity recognition from the geoscience literature. Earth Science Informatics, 12, pp. 565–579. https://doi.org/10.1007/s12145-019-00390-3Qiu Q., Xie Z., Wu L., Tao L., and Li W. (2019). Bilstm-crf for geological named entity recognition from the geoscience literature. Earth Science Informatics, 12, pp. 565–579. https://doi.org/10.1007/s12145-019-00390-3Technavio (2015). How oil and gas is using Big Data for better operations. http://www.technavio.com/blog/how-oil-and-gas-using-big-data-better-operationsTechnavio (2015). How oil and gas is using Big Data for better operations. http://www.technavio.com/blog/how-oil-and-gas-using-big-data-better-operations

The authors declare that there are no conflicts of interest present.