您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
DescartesLabs：通过融合商业和专有数据为石油和天然气部门创建可操作的AI
2019年04月30日 由 z朝闻 发表
14563
0
能源行业已经在机器学习和人工智能领域流行了好几年了。尽管行业会议的出现有助于集中讨论如何更好地利用和从新技术中提取业务价值，但似乎很少有参与者能够在数字化转型中抓住机器学习的真正潜力。
DescartesLabs与商贸公司合作，接触自然资源和经济基础设施，包括二叠纪的井场、发电、道路、桥梁和工业设施。这些企业对物理世界有着浓厚的兴趣，并使用DescartesLabs平台来构建用于机器学习的数据资产。我们不断增长的卫星和其他全球传感器数据收集加快了数据科学团队建模的时间，以便他们能够更加灵活和实验性地开发有助于预测或验证市场关键变化的独特模型。
例如，我们的应用科学团队开发了勘探信号来跟踪二叠纪地区的井场建设阶段，作为新生产何时进入市场的领先指标。施工的早期阶段在哨兵2号的视觉图像中清晰可见。视觉信号允许每两周检测和监测一次道路施工、清垫和蓄水池填充与排水，并进行更新。
结合额外的传感器数据可以创建更完整的图像。例如，SAR突出显示金属，允许观察者在安装后拾取完井设备和井口。热成像可以检测和量化燃烧活动，这有助于确定何时完成以及何时开始生产天然气或石油。
在新兴市场，较长的前景对于了解各种能源的预期需求轨迹非常有价值。DescartesLabs监控太阳能和风力发电基础设施，以估算即使是最不透明的新兴市场中可再生能源的能源供应。
最后，除了供需因素外，物理信号还可以帮助组织的运营和合规性。例如，树木和建筑物探测器可以近乎实时地监控管道或基础设施网络上的侵占。
虽然外部物理观察的菜单既强大又不断改进，但组织可用的最有价值的数据可能是其自身的观察，操作和决策历史。这些数据可用于训练模型，验证假设或引导新研究。DescartesLabs应用科学团队与客户和合作伙伴合作，了解可用于建模的机构知识和历史数据，并为组织内的新馆藏提供建议，以推动未来的建模工作。然后，我们提供企业级数据处理和管理，以支持下一代全球规模的机器学习分析。
这种商业和专有数据的结合实现了超越传统智能产品的飞跃，是数据动画企业的基础。未来五年，围绕人工智能和机器学习将演变为将从根本上改变石油和天然气行业未来的行动。企业将通过机器学习来改变其运营和决策。这种方法将使反馈循环能够建议最佳行动并持续收集和整合来自地球和特定企业运营的新数据。新模型可以反复构建业务各个方面的各种问题，从而带来更高的利润，效率和可靠性。如果您或您的数据科学团队希望通过将其与各种地球物理和时空信号相结合，找到从数据中提取价值的新方法。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消