Повышение точности прогнозирования рентабельности нефтедобывающих скважин с использованием интеллектуальных технологий машинного обучения

Тагирова К.Ф., Вульфин А.М., Шалупов И.С.

Ключевые слова: прогнозирование дебита скважины, машинное обучения, модели характеристик вытеснения, модели регрессии.

Аннотация. В статье проанализированы возможности прогнозирования показателей добычи (рентабельности эксплуатации скважины) на основе алгоритмов машинного обучения. Установлено, что применение моделей машинного обучения для прогнозирования показателей добычи нефти, жидкости и воды в сочетании с традиционными моделями характеристик вытеснения позволяет повысить точность прогноза дебита нефти на 10-12% в интервале анализа 12-24 месяца.

Improving the accuracy of predicting the profitability of oil production wells using intelligent machine learning technologies

Tagirova K.F., Vulfin A.M., Shalupov I.S.

Keywords: well rate forecasting, machine learning, displacement performance models, regression models.

Abstract. The article analyzes the possibilities of predicting production indicators (profitability of well operation) based on machine learning algorithms. It has been found that the use of machine learning models for predicting oil, liquid and water production rates in combination with traditional models of displacement characteristics can improve the accuracy of forecasting oil production rates by 10-12% in the analysis interval of 12-24 months.