Методика прогнозирования темпов падения нефти проектных скважин на основе алгоритма машинного обучения
https://doi.org/10.7868/S2587739920040102
Аннотация
Разработан метод, интегрирующий ручное выделение групп и алгоритм машинного обучения, позволяющий прогнозировать с высокой точностью темпы падения нефти проектных скважин по двум входным параметрам. При помощи машинного обучения (МО) выявлены скрытые закономерности между входными параметрами и темпами падения скважин. Анализ темпов падения скважин по типу заканчивания проиллюстрировал, что горизонтальные скважины эффективнее, чем наклонно-направленные.
Об авторах
С. И. ГабитоваРоссия
Л. А. Давлетбакова
Россия
В. Ю. Климов
Россия
Д. В. Шуваев
Россия
И. Я. Эдельман
Россия
С. Шмидт
Россия
Список литературы
1. Analysis of Decline Curves [Text] / Arps, J.J. // AIME. – 1945. – V. 160. – P. 228–247. https://doi.org/10.2118/945228-G
2. Планирование и организация эксперимента [Текст]: учебное пособие для студентов / А.Г. Левшин [и др.]. – М.: Изд-во РГАУ-МСХА, 2015. – 65 с.
3. Орельен Ж. Прикладное машинное обучение с помощью Scikit-Learn и TensorFlow. Концепции, инструменты и техники для создания интеллектуальных систем [Текст]. – Изд-во Вильямс, 2018. – 688 с.
4. Shalev-Shwartz Sh., Ben-David Sh. [Текст]: Understanding Machine Learning Algorithms: From Theory to Algorithms. – Cambridge: Cambridge University Press, 2014. – 449 с.
Рецензия
Для цитирования:
Габитова С.И., Давлетбакова Л.А., Климов В.Ю., Шуваев Д.В., Эдельман И.Я., Шмидт С. Методика прогнозирования темпов падения нефти проектных скважин на основе алгоритма машинного обучения. PROНЕФТЬ. Профессионально о нефти. 2020;(4):69-74. https://doi.org/10.7868/S2587739920040102
For citation:
Gabitova S.I., Davletbakova S.A., Klimov V.Yu., Shuvaev S.V., Edelman I.Ya., Shmidt S. A new method of decline curve forecasting for project wells on the base of machine learning algorithms. PROneft. Professionally about Oil. 2020;(4):69-74. (In Russ.) https://doi.org/10.7868/S2587739920040102