ОТ СТАТИСТИКИ К ИНТЕЛЛЕКТУАЛЬНОМУ СКРИНИНГУ: ЦИФРОВИЗАЦИЯ ПРОЦЕССА ВЫБОРА СКВАЖИН-КАНДИДАТОВ НА ГРП МЕТОДОМ МАШИННОГО ОБУЧЕНИЯ (2026)
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.
Издание:
УПРАВЛЕНИЕ ТЕХНОСФЕРОЙ
Выпуск:
Т. 9 № 2 (2026)