В статье приведено описание алгоритмов прогнозирования дебита нефти, основанных на использовании модели Арпса, параметры которой оцениваются в зависимости от технологических параметров скважин, и алгоритма, основанного на моделях панельных данных с трендовой составляющей, описываемой моделью Арпса. Предложен и реализован алгоритм отбора входных факторов на основе байесовских нейронных сетей. Предложен и реализован алгоритм построения кусочных моделей множественной регрессии для оценки постоянной Арпса, а также для прогнозирования дебитов нефти скважин, основанный на использовании сетей Кохонена и подходов анализа структурных изменений. Данная методика прогнозирования дебита нефти и падения добычи учитывает множество факторов, влияющих на эти показатели. Разработан модуль для прогнозирования параметров добычи нефти проектных скважин. Основное приложение написано на языке программирования Python 3.6. Вычислительные алгоритмы построения моделей реализованы на языке программирования R. Дано описание принципов работы программного модуля.
Предложенная методика опробована на объектах разработки ПАО «Татнефть». По данным выборки геологических и технологических показателей действующего фонда скважин продуктивных отложений кыновского и пашийского горизонтов для группы площадей Ромашкинского месторождения проведено машинное обучение. Сформирован проектный фонд скважин и выполнен расчет их технико-экономических показателей. Проведен сравнительный анализ методов прогнозирования входных дебитов нефти и темпов падения годовой добычи проектных скважин для выбранной группы площадей. Полученные результаты свидетельствуют о возможности применения метода машинного обучения для прогнозирования технологических параметров проектных скважин на нефтяных месторождениях. Это особенно актуально для зрелых месторождений, на которых обеспечивается достаточность накопленных статистических данных, необходимых для применения методов машинного обучения.
Список литературы
1. Латифуллин Ф.М., Саттаров Рам.З., Шарифуллина М.А. Использование пакета программ АРМ геолога «ЛАЗУРИТ» для геолого-технологического моделирования и планирования геолого-технических мероприятий на объектах разработки ПАО «Татнефть» // Нефтяное хозяйство. – 2017. – № 6. – С. 40–43. – DOI: 10.24887/0028-2448-2017-6-40-43.
2. Создание информационно-программного инструмента долгосрочного планирования инвестиций для эффективной разработки нефтяных месторождений / А.В. Насыбуллин, Рам. З. Саттаров, Ф.М. Латифуллин [и др.] // Нефтяное хозяйство. – 2019. – № 12. – С. 128–131. – DOI: 10.24887/0028-2448-2019-12-128-131.
3. О одной методике автоматизированной генерации сценариев разработки зрелого нефтяного месторождения / Р.С. Хисамов, Б.Г. Ганиев, И.Ф. Галимов [и др.] // Нефтяное хозяйство. – 2020. – № 7. – С. 20–25. – DOI: 10.24887/0028-2448-2020-7-22-25.
4. Лысенко В.Д. Проектирование разработки нефтяных месторождений. – М.: Недра, 1987. – 247 c.
5. Силаев К.О., Силаева А.Н. Методы для анализа кривых падения добычи, применяемые в топливно-энергетической сфере // Экономика и социум. – 2016. – № 9 (28). – С. 543–546. – https://readera.org/ekonomika-socium/2016-9-28
6. Gujarati D.N. Basic econometrics. – 3rd ed. – New York: McGraw-Hill, 1995. – 1003 p.
7. Пуарье Д. Эконометрия структурных изменений с применением сплайн-функций. – М.: Финансы и статистика, 1981. – 183 с.
8. Кохонен Т. Самоорганизующиеся карты. – М. : БИНОМ. Лаборатория знаний, 2016. – 655 с.
9. Rousseeuw P.J. Tutorial to robust statistics // Journal of chemometrics. – 1991. – V. 5. – № 1. – P. 1–20.
10. Хьюбер П. Робастность в статистике. – М.: Мир, 1984. – 303 с.
11. Фаддеенков А.В., Хайленко Е.А. Оценивание параметров регрессионных моделей методом усеченного максимального правдоподобия // Научный вестник Новосибирского государственного технического университета. – 2016. – Т. 65. – № 4. – С. 135–145.
12. Денисов В.И., Тимофеев В.С. Знаковый метод: преимущества, проблемы, алгоритмы // Научный вестник Новосибирского государственного технического университета. – 2001. – № 1 (10). – С. 21–35.
13. Тимофеев В.С., Вострецова Е.А. Устойчивое оценивание параметров регрессионных моделей с использованием идей метода наименьших квадратов // Научный вестник Новосибирского государственного технического университета. – 2007. – № 2 (27). – С. 57–67.
14. Тимофеев В.С. Оценивание параметров регрессионных зависимостей на основе характеристической функции // Научный вестник Новосибирского государственного технического университета. – 2010. – № 2 (39). – С. 43-52.
