Доработка алгоритма идентификации электрофаций по форме сигнала

Необходимо оптимизировать существующий или разработать новый алгоритм распознавания интервала и типа фации по форме и поведению кривой ГИС, предварительно подобрав оптимальные математические модели для описания геометрии кривой.

Компания «Газпром нефть» развивает собственную ИТ-платформу для геологического анализа и моделирования. Она автоматизирует создание концептуальных геологических моделей и оценку неопределенностей ресурсной базы на разных этапах изученности. Платформа использует различные методики и алгоритмы, в том числе основанные на искусственном интеллекте.

Сейчас стало необходимо повысить эффективность работы алгоритма, анализирующего результаты каротажного исследования. Исходные данные для анализа предоставляются в виде набора файлов, содержащих кривые (сигналы), записанные геофизическим зондом. Алгоритм должен обработать кривые, разделить их на интервалы и в каждом из них определить тип фации на основании формы и ключевых особенностей кривой.

Алгоритм, используемый сейчас, имеет точность 60%. Необходимо повысить этот показатель как минимум до 80%, оптимизировав существующую логику или разработав новую.

Лидер проекта ищет специалистов, которые решат эту задачу.

1. Исходный код на языке Python, подготовленный для запуска в среде Jupyter Notebook.

2. Таблица с результатами выполнения алгоритма в формате *.xslx.

3. Заключение о результатах тестирования с рекомендациями по улучшению алгоритмов в формате *.docx, содержащее:

· результаты работы исходного алгоритма;

· описание способов оптимизации или нового алгоритма;

· протокол испытаний обновленного решения, включающий используемый набор тестовых данных, проведенные тесты и результаты работы алгоритма.

4. Текстовое описание архитектуры и логики работы решения в формате *.docx, включающее методологию работы алгоритма, экспертные заключения, а также порядок сборки и запуска программного кода.

5. Презентация с кратким визуальным представлением архитектуры и логики работы решения в формате *.pptx.

1. Разработанный алгоритм понятен разработчику и соответствует заявленным требованиям: определяет интервалы фаций, их группы и типы.

2. Презентация адаптирована для профильных специалистов.

3. Точность работы алгоритма после доработки или замены стала не ниже 80%.

4. Алгоритмы протестированы на глубоководных, прибрежно-морских, переходных и континентальных обстановках.

5. Исходный код и имена в файловой структуре используют кодировку UTF-8, а для обозначения разрыва строки используются управляющие символы LF (предпочтительно) или CRLF.

6. Код документирован, разбит на логические модули и имеет древовидную или иную допустимую структуру импорта модулей.

7. Исходный код разбит на модули в соответствии со спецификацией или лучшими практиками языка.

Для Python-разработчика

Вы получите 800 000 рублей после всех вычетов как физическое лицо (налоговая ставка 13%) или 864 368 рублей после всех вычетов как самозанятый/ИП (налоговая ставка 6%).

Для Эксперта по фациальному анализу

Вы получите 254 400 рублей после всех вычетов как физическое лицо (налоговая ставка 13%) или 274 869 рублей после всех вычетов как самозанятый/ИП (налоговая ставка 6%).

Для Петрофизика

Вы получите 390 000 рублей после всех вычетов как физическое лицо (налоговая ставка 13%) или 421 379 рублей после всех вычетов как самозанятый/ИП (налоговая ставка 6%).