Home
К проектам
ДИУС Лаб июль 2024 г. – сентябрь 2026 г.

Цифровое месторождение

Эко-система, сочетающая в себе данные месторождений, гидродинамические модели и нейросетевые сети для предсказания дебита нефти, обводненности и ключевых параметров скважины по историческим данным месторождения

Технологии:

  • FastAPI
  • React
  • PostgreSQL
  • Redis
  • Kafka
  • S3 ClickHouse
  • Python
  • JavaScript

Статистика

  • 0+

    Скважин

  • 0/час

    Скорость обработки кол-ва скважин в час

  • 0%

    SMAPE

Проблемы

  • Разрозненные источники данных (скважинные журналы, геофизические исследования, гидродинамические модели)
  • Отсутствие единого стандарта для хранения и обработки данных месторождений
  • Проблемы с качеством исторических данных (пропущенные значения, шум, ошибки измерений)
  • Высокая вычислительная сложность обработки больших объемов данных
  • Низкая интерпретируемость нейросетевых моделей для геологов и инженеров
  • Высокая чувствительность моделей к изменению параметров месторождения
  • Необходимость гибкой адаптации модели к различным типам пластов и добычных режимов
  • Сложность объединения физических и машинных моделей в единую предсказательную систему
  • Невысокая точность прогнозов в условиях нестабильной добычи
  • Недостаточная учёт внешних факторов (например, техногенные изменения, погодные условия)
  • Необходимость частого обновления модели из-за изменения характеристик месторождения
  • Трудности в построении долгосрочных предсказаний с высокой степенью достоверности

Решение

Интеллектуальная платформа для интеграции данных месторождений, предсказания дебита нефти и ключевых параметров скважин с использованием нейросетевых моделей и гидродинамических симуляций

  • График предсказания дебита нефти на основе исторических данных
  • Визуализация важности параметров модели машинного обучения (SHAP values)
  • Анализ изменений дебита скважин за последние 6 месяцев
  • Геопространственная карта с распределением скважин и их параметров

Результат

  • Улучшение точности предсказания дебита нефти и обводненности

  • Оптимизация работы скважин за счёт анализа данных месторождений

  • Снижение рисков при разработке за счёт предиктивных моделей

  • Автоматизация обработки геологических данных