Представленная работа посвящена построению модели на основе фактических данных, связывающей степень достижения планируемых пусковых дебитов новых скважин с геолого-геофизическими и технологическими факторами.
Целью данной работы является повышение качества прогноза дебитов новых скважин с помощью дополнительной поправки, полученной в результате решения задачи регрессии для прогноза расхождения фактических и планируемых (расчетных) дебитов на основании заданных свойств целевых объектов бурения и технологии заканчивания.
Для решения задачи были построены две модели, основанные на различных методах машинного обучения. В качестве целевой функции выбрано расхождение планируемого и фактического дебитов. Первая модель – модель классификации. В данном случае сначала решалась задача классификации и предполагался знак целевой функции, затем для каждого из двух диапазонов решалась задача регрессии. Вторая модель – модель кластеризации. Основная ее идея заключалась в разделении исследуемых объектов на кластеры. Далее в каждом кластере решалась задача регрессии. Модели обучались на данных, полученных в 2017-2021 гг. по новым скважинам ПАО «НК «Роснефть».
По результатам работы, на основании заданных геолого-геофизических и технологических параметров, с помощью двух вышеперечисленных моделей, в 2023-2027 гг. был выполнен прогноз отклонения расчетных пусковых дебитов для каждой планируемой новой скважины. Кроме того, анализ качества данного прогноза, проведенный на основании результатов, полученных в течение четырех месяцев 2023 г., показал повышение точности прогноза среднего по выборке из 658 скважин пускового дебита от 95 до 97-99 %.
Список литературы
1. Hastie T.R., Tibshirani J.F. The Elements of Statistical Learning. Data Mining, Inference and Prediction. – New York: Springer-Verlag, 2001.
2. Кугаевских А.В., Муромцев Д.И., Кирсанова О.В. Классические методы машинного обучения. - Санкт-Петербург: Университет ИТМО, 2022. – 53 с.
3. Лимановская О.В., Алферьева Т.И. Основы машинного обучения. - Екатеринбург: Изд-во Уральского университета, 2020. – 88 с.
4. Подбор скважин-кандидатов для проведения гидроразрыва пласта на основе математического моделирования с использованием методов машинного обучения / А.Ф. Азбуханов, И.В. Костригин, К.А. Бондаренко [и др.] // Нефтяное хозяйство. – 2019. – № 3. – С. 38–42. – https://doi.org/10.24887/0028-2448-2019-11-38-42
5. Акимова Д.А. Исследование зависимости достижения планируемых дебитов новых скважин от геолого-геофизических и технологических факторов // Материалы 65-й Всероссийской научной конференции МФТИ в честь 115-летия Л.Д. Ландау. - Москва, 03 апреля - 08 апреля 2023. - М.: МФТИ, 2023.
