Статья: ОТ СТАТИСТИКИ К ИНТЕЛЛЕКТУАЛЬНОМУ СКРИНИНГУ: ЦИФРОВИЗАЦИЯ ПРОЦЕССА ВЫБОРА СКВАЖИН-КАНДИДАТОВ НА ГРП МЕТОДОМ МАШИННОГО ОБУЧЕНИЯ (2026)

Читать онлайн

В статье рассматривается проблема повышения успешности гидравлического разрыва пласта (ГРП) на поздней стадии разработки месторождений с высоковязкой нефтью. На примере визейского объекта Арланского нефтяного месторождения выполнен анализ геолого-технологических факторов, влияющих на эффективность операций. Проведено сравнение классических линейных регрессионных моделей и алгоритмов машинного обучения (Random Forest). Доказано, что использование ML-алгоритмов позволяет учесть нелинейные зависимости (например, риски прорыва воды через тонкие глинистые перемычки) и повысить точность прогноза дебита. Предложен алгоритм автоматизированного ранжирования скважин-кандидатов (Success Score), позволяющий снизить риски преждевременного обводнения и оптимизировать работу инженерных служб.

Ключевые фразы: гидравлический разрыв пласта (грп), машинное обучение, random forest, цифровизация, скважина-кандидат, арланское месторождение, высоковязкая нефть, скоринг-модель
Автор (ы): Шаймарданов А.Р. (SHaymardanov A.R.), Красноперова Светлана Анатольевна (Krasnoperova S. A.)
Журнал: УПРАВЛЕНИЕ ТЕХНОСФЕРОЙ

Предпросмотр статьи

Идентификаторы и классификаторы

SCI
Науки о Земле
УДК
622. Горное дело
Для цитирования:
ШАЙМАРДАНОВ А.Р., КРАСНОПЕРОВА С. А. ОТ СТАТИСТИКИ К ИНТЕЛЛЕКТУАЛЬНОМУ СКРИНИНГУ: ЦИФРОВИЗАЦИЯ ПРОЦЕССА ВЫБОРА СКВАЖИН-КАНДИДАТОВ НА ГРП МЕТОДОМ МАШИННОГО ОБУЧЕНИЯ // УПРАВЛЕНИЕ ТЕХНОСФЕРОЙ. 2026. Т. 9 № 2
Текстовый фрагмент статьи
Моя история просмотров (9)
Будьте первым, кто начнет обсуждение

Если у вас возникли вопросы или появились предложения по содержанию статьи, пожалуйста, направляйте их в рамках данной темы.