「INTERPOL」的搜尋結果

本頁的資料來源與計算方式 ⓘ

#INTERPOL也是一個關鍵字標籤

過去 31 天有 2 篇標成這個標籤 · 目前不在排行榜上

過去 3 天每小時篇數

看 #INTERPOL 的趨勢 →

11/4(三)

10/27(二)

10/26(一)

10/17(六)

  • 獨家報導

    AI預測地底壓力防堵漏油悲劇 東北大學團隊藉數據守護海洋 - 獨家報導

    圖/示意圖 商傳媒|責任編輯/綜合外電報導 為避免類似「深水地平線(Deepwater Horizon)」鑽油 […]

    #商傳媒

  • 商傳媒

    AI預測地底壓力防堵漏油悲劇 東北大學團隊藉數據守護海洋

    圖/示意圖商傳媒|責任編輯/綜合外電報導為避免類似「深水地平線(Deepwater Horizon)」鑽油平台漏油事件重演,東北大學(Northeastern University)矽谷校區的科學家正運用人工智慧(AI)技術,期能從根本解決石油外洩事故的成因。該校教授 Tehmina Amjad 帶領的電腦科學系研究生團隊,正透過全球油井數據訓練AI,以精準預測地下流體的壓力。 「深水地平線」漏油事件發生於2010年4月20日,是史上最嚴重的環境災難之一。該事故導致11人死亡,並造成2.1億加侖原油洩漏至墨西哥灣海床,持續近三個月。根據美國海岸防衛隊(U.S. Coast Guard)與 Bureau of Ocean Energy Management, Regulation and Enforcement 在2011年的報告指出,水泥障礙失效是這場災難的關鍵肇因。白宮委員會曾警告,若無重大改革,類似災難仍可能發生。 Tehmina Amjad 教授強調,此類災害的風險依然很高。她的研究團隊利用AI及全球油井數據,優化AI模型預測地下流體壓力的能力。這項指標對於石油與天然氣的安全高效開採至關重要。鑽探公司通常透過泵入精確數量的重泥漿來控制地下流體壓力,一旦計算失誤可能導致流體流失、井體不穩或危險的井噴。 目前AI模型雖能計算特定區域的孔隙壓力,但對於新地點的精確建議,仍缺乏足夠信任。Tehmina Amjad 團隊開發了一套雙管齊下的解決方案:一方面利用機器學習從真實數據中歸納模式,另一方面則運用名為 WellBench 的 Python 工具,在需要時生成合成油井數據。來自巴基斯坦的油氣井數據,在 Muhammed Raiees Amjad 的協助下,提供了岩石放射性、電阻率、密度和孔隙度等地下資訊。團隊相信,透過這些數據訓練的預測演算法,將能協助工程師為新油井設計安全的鑽探計畫。 Tiago Monteiro 是東北大學矽谷校區的碩士生,他開發的 WellBench 工具,運用內插法(interpolation methods)生成合成數據。這種機器學習方法能讓演算法在已知數據集中估計未知數據點。該團隊的目標是利用機器學習應用來填補油井數據的空缺,確保鑽探作業更安全、更精確。Tiago Monteiro 表示,無論在中國或印度等任何區域,團隊都能生成相關的合成數據,快速建立機器學習模型,預測最安全的鑽探路徑,大幅降低鑽油作業的潛在環境風險。

    #AI#漏油#環境保護#東北大學#石油鑽探