Оптимизации системы заводнения при разработке нефтяного месторождения. Как с помощью ИИ заставить скважины работать эффективнее.
Доклад принят в программу конференции
Целевая аудитория
Тезисы
В докладе рассматриваются проблемы оптимального управления заводнением при разработке нефтяного месторождения на основе ежедневных и ежемесячных замеров скважин. Для неполных данных предложен метод фильтрации и восстановления данных, для последующего определения коэффициентов взаимовлияния скважин на основе гибридных моделей, объединяющих физико-математические подходы и методы статистического обучения.
В работе предложена стратегия понижения размерности с использованием классических методов кластеризации для дальнейшего обучения глубокой нейронной сети характеризующей зависимость дебита нефти от уровня закачиваемой воды нагнетательными скважинами.
На основе обученной нейронной сети осуществляется расчет оптимальных режимов нагнетательных скважин для решения задачи увеличения дебита нефти при индивидуальных и групповых ограничениях на скважинах.
В докладе продемонстрированы результаты и положительный эффект апробации методики на пилотном участке реального месторождения.
Кандидат технических наук. Еще в нулевых использовал регрессионные модели и нейросети для промышленности, в том числе для защиты диссертации. Последние 10 лет занимается исследованием и разработкой решений на базе машинного обучения для нефтегазовой сферы. Директор по прикладным разработкам и исследованиям в области искусственного интеллекта в «АЛЬМА Сервисез Компани».
ООО «АЛЬМА Сервисез Компани»
Видео
Другие доклады секции
ML и AI в производственных компаниях
