ML для ранжирования скважин-кандидатов на проведение ГРП

ГРП — дорогостоящее мероприятие, которое проводится ограниченное количество раз за год. При разработке команда Napoleon IT столкнулись с малым объемом данных, поэтому для проекта мы брали сведения за последние 5 лет.

Мы заменили запрос с использованием нейросетей на решение с ML‑моделями, которые оказались более удобными для точных прогнозов на малом объеме данных. На их основе нам нужно было построить прогнозную модель.

Из‑за специфики данных разных месторождений мы создали несколько моделей с отличающимися гиперпараметрами. Подход AutoML был выбран для того, чтобы не подбирать параметры вручную и не переобучать модели при дополнении исторических данных.

В результате заказчик получил две модели, которые делают отдельные прогнозы дебита нефти и жидкости. Также был реализован классификатор скважин по возможности проведения на них мероприятий ГРП.

Подбор скважин‑кандидатов для гидроразрыва пласта — сложная задача. Специалисты вручную отбирают участки с потенциальными скважинами, анализируют необработанные данные и проводят гидродинамическое моделирование. Моделирование занимает недели, а обработка данных подвержена ошибкам из‑за человеческого фактора.

Для решения задачи команда Napoleon IT разработала аналитический дашборд с использованием ML‑модели для скоринга скважин‑кандидатов на проведение ГРП. Мы обучили модель на исторических и геологических данных о проведенных мероприятиях — по площадям и скважинам. Модель оценили по следующим метрикам: