Политеховец повышает эффективность нефтедобычи

В основу проекта заложены новые методы анализа данных

Аспирант нефтетехнологического факультета опорного вуза Юрий Штырлов считает, что нейронные сети при анализе больших баз данных, собираемых при подготовке скважины к эксплуатации, если и дают точные результаты, то не позволяют понять, от каких ключевых показателей зависит эффективность технологического режима скважины. Поэтому молодой ученый нашел оригинальный математический подход, который разработан учеными ВЦ РАН, и адаптировал его к нефтегазовой сфере. Результаты последних исследований опубликованы в сборнике тезисов X международной научно-практической конференции.

Этот подход заключается в применении самых эффективных методов машинного обучения Data Science: метода оптимальных достоверных разбиений и метода статистически взвешенных синдромов. Данные методы выявляют достоверные закономерности в большом количестве реальных данных, собранных при работе большого числа объектов за долгое время. Машина обучается на этой базе данных – обучающей выборке – и потом создает алгоритм прогнозирования для нового объекта. После чего можно оптимизировать ключевые параметры и получать желаемый результат.

– Программный алгоритм «Прогноз-Н» предназначен для работы непосредственно на буровой. Благодаря ему, нефтяник выявляет ключевые показатели, которые напрямую влияют на прибыльность скважины (объем получаемой нефти за вычетом трат на ее эксплуатацию), – поясняет Юрий Штырлов. – Кроме определения самих ключевых показателей, для каждого из них рассчитывается граница, которую надо преодолеть, чтобы перевести исследуемую скважину в группу прибыльных скважин, если до этого прогноз был неблагоприятен. Таким образом, мы создаем пошаговый план действий, необходимых для того, чтобы технологический режим скважины был оптимален для достижения максимальных целевых значений.

То есть «Прогноз-Н» – программный комплекс, который настраивается под конкретную задачу определенного заказчика для самостоятельной работы с каждой скважиной отдельно.

Проект является победителем конкурса «УМНИК – Цифровой нефтегаз».