Search citation statements
Paper Sections
Citation Types
Year Published
Publication Types
Relationship
Authors
Journals
Vorkuta Transport Hub and its Role in Development of the Arctic Area (текст статьи на англ. яз-English text of the article-p. 149) Воркутинский транспортный узел рассматривается как один из немногих крупных региональных центров российского Севера, который в силу своего расположения является столь важным для развития коммуникационных связей в зоне Европейской и Приуральской Арктики. Показано, что мощности этого узла, имеющего в составе инфраструктуры все виды транспорта, кроме водного, обеспечивают текущие потребности края в грузовых и пассажирских перевозках. Для освоения природных богатств арктического региона и выполнения других растущих задач необходимо, тем не менее, усилить существующий потенциал Воркуты, в первую очередь за счёт реализации транспортных проектов, которые называют и анализируют авторы. Ключевые слова: Арктика, Воркута, транспортный узел, инфраструктура, виды транспорта, перспективные проекты. Киселенко Анатолий Николаевич-доктор технических наук, доктор экономических наук, профессор, руководитель лаборатории проблем транспорта Института Севера Коми научного центра Уральского отделения РАН, Сыктывкар, Россия. Малащук Пётр Александрович-кандидат технических наук, старший научный сотрудник лаборатории проблем транспорта Института Севера Коми научного центра Уральского отделения РАН, Сыктывкар, Россия.
Vorkuta Transport Hub and its Role in Development of the Arctic Area (текст статьи на англ. яз-English text of the article-p. 149) Воркутинский транспортный узел рассматривается как один из немногих крупных региональных центров российского Севера, который в силу своего расположения является столь важным для развития коммуникационных связей в зоне Европейской и Приуральской Арктики. Показано, что мощности этого узла, имеющего в составе инфраструктуры все виды транспорта, кроме водного, обеспечивают текущие потребности края в грузовых и пассажирских перевозках. Для освоения природных богатств арктического региона и выполнения других растущих задач необходимо, тем не менее, усилить существующий потенциал Воркуты, в первую очередь за счёт реализации транспортных проектов, которые называют и анализируют авторы. Ключевые слова: Арктика, Воркута, транспортный узел, инфраструктура, виды транспорта, перспективные проекты. Киселенко Анатолий Николаевич-доктор технических наук, доктор экономических наук, профессор, руководитель лаборатории проблем транспорта Института Севера Коми научного центра Уральского отделения РАН, Сыктывкар, Россия. Малащук Пётр Александрович-кандидат технических наук, старший научный сотрудник лаборатории проблем транспорта Института Севера Коми научного центра Уральского отделения РАН, Сыктывкар, Россия.
Permo-Carboniferous oil deposit of the Usinskoye field is characterized by an extremely complex type of the void space with intense cross-sectional distribution of cavernous and fractured rock. In this study, for this production site, the process of 3D geological modeling has been implemented. At the first stage, it provided for automated identification of reservoir volumes by comparing the data of core and well logging surveys; at the second stage, identification of rock lithotypes according to Dunham classification is performed on the basis of comparison of thin sections examination and well logging data. A large array of factual information enables the use of machine learning technology on the basis of Levenberg – Marquardt neural network apparatus toward achievement of our research goals. The prediction algorithms of reservoir and rock lithotype identification using well logging methods obtained on the basis of the training samples are applied to the wells without core sampling. The implemented approach enabled complementing the 3D geological model with information about rock permeability and porosity, taking into account the structural features of the identified lithotypes. For the Permo-Carboniferous oil deposit of the Usinskoye field, the volumetric zoning of the distribution of different rock lithotypes has been established. Taking into account the lithotypes identified based on machine learning algorithms, density and openness of fractures were determined, and fracture permeability in the deposit volume was calculated. In general, during the implementation, the machine learning errors remained within 3-5 %, which suggests reliability of the obtained predictive solutions. The results of the research are incorporated in the existing 3D digital geological and process model of the deposit under study.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.
hi@scite.ai
10624 S. Eastern Ave., Ste. A-614
Henderson, NV 89052, USA
Copyright © 2024 scite LLC. All rights reserved.
Made with 💙 for researchers
Part of the Research Solutions Family.