Глубокие искусственные нейронные сети для прогноза значений дебитов добывающих скважин

Актуальность исследования обусловлена необходимостью поддержки принятия решений специалистами добывающих предприятий нефтегазовой отрасли при управлении производством. Точное прогнозирование значений дебитов добывающих скважин позволяет определить режимы работы фонда скважин и технологического оборудования, которые обеспечат достижение заданного объёма выпуска продукции. Существующие методы не всегда обеспечивают требуемый уровень точности при прогнозе дебитов скважин, что приводит к ошибкам при расчёте экономического эффекта при оценке рентабельности скважин и последующих поставок углеводородного сырья, а также при учёте ограничений, накладываемых органами надзора за пользованием недрами. Цель: разработать и предложить наиболее эффективные модели глубоких искусственных нейронных сетей для прогноза компонентов добычи углеводородного сырья – нефти, газа, жидкости (газового конденсата) и воды. Объекты: технологические параметры дебитов добывающих скважин фондов нефтяных, газовых, нефтегазовых и нефтегазоконденсатных месторождений. Методы: анализ больших объёмов технологических данных скважин в соответствии с концепцией «Big Data»; модели глубоких искусственных нейронных сетей; объектно-ориентированное программирование; методы оценки и статистического анализа эффективности глубоких искусственных нейронных сетей при прогнозе дебитов добывающих скважин. Результаты: разработана методика подготовки данных по дебитам скважин для обучения и тестирования прямопроходных (feedforward) глубоких искусственных нейронных сетей. Исследованы различные архитектуры таких нейросетей при решении задач прогноза дебитов нефти, газа, жидкости (газового конденсата) и воды. Выявлены наиболее эффективные архитектуры прямопроходных глубоких нейронных сетей. Эти нейронные сети позволяют увеличить точность прогноза в два и более раза по сравнению с точностью, обеспечиваемой традиционным методом экстраполяции по скользящей средней.