Исследование методов прогнозирования добычи нефти
Ключевые слова:
интеллектуальная система, нейронные сети, машинное обучение, прогнозирование добычи нефти, нефтяная отрасль, глубокое обучение, автоматизация, моделирование, искусственный интеллектАннотация
В статье анализируются методы прогнозирования добычи нефти с применением нейронных сетей, выполняется компьютерный эксперимент оценки вероятности успешной добычи нефти на основе анализа геофизических параметров. Представлена архитектура нейронной модели, приведены результаты её обучения и тестирования. Направлением дальнейших исследований является расширение перечня входных параметров и обучение модели на других видах алгоритмов машинного обучения для повышения прогностических способностей модели.
Библиографические ссылки
Байбаров, Д. А. Оценка продуктивности и экономической эффективности технологий искусственного интеллекта для автоматизации процессов разведки и добычи нефти и газа / Д. А. Байбаров // XXI век: итоги прошлого и проблемы настоящего плюс. – 2021. – Т. 10, № 3(55). – С. 100-105. – DOI 10.46548/21vek-2021-1055-0019.
Вершинин, В. Е. Нейросетевое моделирование Прогнозирование показателей добычи скважин в условиях нестационарного заводнения / В. Е. Вершинин, Р. Ю. Пономарев // Деловой журнал Neftegaz.RU. – 2022. – № 5-6(125-126). – С. 26-32. – EDN ZGEQVB.
Нейросетевое прогнозирование входных параметров при добыче нефти / Е. Д. Семенов, М. Я. Брагинский, Д. В. Тараканов, И. Л. Назарова // Вестник кибернетики. – 2023. – Т. 22, № 4. – С. 42-51. – DOI 10.35266/1999-7604-2023-4-6.
Патент № 2794707 C1 Российская Федерация, МПК E21B 41/00, E21B 49/00, G01V 99/00. Способ прогнозирования объемов добычи углеводородов из месторождений нефти и газа с использованием компьютерного моделирования: № 2022120987 : заявл. 02.08.2022 : опубл. 24.04.2023 / А. В. Бочкарев, Б. В. Васекин, Н. А. Воробьев [и др.] ; заявитель Общество с ограниченной ответственностью "Страта Солюшенс", Общество с ограниченной ответственностью "Физтех Геосервис".
Современные методы применения машинного обучения как инструмента прогнозирования добычи нефти / А. Р. Рустамов, Г. М. Пеньков, Д. Г. Петраков, М. А. Рустамова // Недропользование. – 2024. – Т. 24, № 1. – С. 44-50. – DOI 10.15593/2712-8008/2024.1.6.
Standards for Selection of Surfactant Compositions used in Completion and Stimulation Fluids / D. G. Petrakov, A. V. Loseva, N. T. Alikhanov, H. Jafarpour // International Journal of Engineering. – 2023. – Vol. 36, No. 9. – P. 1605-1610. – DOI 10.5829/ije.2023.36.09c.03.
Цыпленков, С. В. Нейросетевой подход к ранжированию факторов, влияющих на энергоэффективность добычи нефти / С. В. Цыпленков, Е. Д. Агафонов, Д. И. Цыпленкова // Интеллектуальные системы в производстве. – 2022. – Т. 20, № 1. – С. 22-28. – DOI 10.22213/2410-9304-2022-1-22-28. – EDN KVZQAT.
Development of Monitoring and Forecasting Technology Energy Efficiency of Well Drilling Using Mechanical Specific Energy / A. Kunshin, M. Dvoynikov, E. Timashev, V. Starikov // Energies. – 2022. – Vol. 15, No. 19. – P. 7408. – DOI 10.3390/en15197408.
Ilyushin, Y.V., Nosova, V.A. (2025). Development of Mathematical Model for Forecasting the Production Rate. International Journal of Engineering, Transactions B: Applications, 38(8), 1749-1757. https://doi.org/10.5829/ije.2025.38.08b.02
Negash, B. M. Artificial neural network-based production forecasting for a hydrocarbon reservoir under water injection / B. M. Negash, A. D. Yaw // Petroleum Exploration and Development. – 2020. – Vol. 47, No. 2. – P. 383-392. – DOI 10.1016/s1876-3804(20)60055-6.
Колцун, Н. В. Внедрение искусствен-ного интеллекта в горнодобывающем секторе / Н. В. Колцун, А. В. Гурко // Анализ и прогнозирование систем управления в промышленности, на транспорте и в логистике, Санкт-Петербург, 23–25 апреля 2024 года. – СПб.: ООО "Медиапапир", 2024. – С. 223-229.
