Разработка и тестирование прототипа программного обеспечения на базе гибридной модели машинного обучения с учётом необходимых физических ограничений для решения задачи определения связей между скважинами.

Работа направлена на создание экспертной системы поддержки принятия решений для задач в области управления разработкой месторождений и повышения нефтеотдачи на базе данных динамического мониторинга скважин, упрощенной физической модели пласта и интеллектуальных алгоритмов машинного обучения на основе нейронных сетей. Зачастую традиционные методы геолого-гидродинамического моделирования месторождений вследствие сложности построения полной модели, в условиях недостатка геологической информации, наличия сложнопостроенных коллекторов трудноизвлекаемых запасов, нередко имеют ошибки в прогнозировании работы скважин, достаточно часто точность таких моделей признается неудовлетворительной и данный инструмент применяется только для обоснования запасов в государственных надзорных структурах и не используется по своему целевому назначению - для управления и оптимизации разработки месторождений. Принятие решений при отсутствии постояннодействующих моделей в динамически изменяющейся среде приводит к недостижению проектного коэффициента извлечения углеводородов. Кроме того, в условиях значительного роста объема данных о месторождениях, накапливаемых в процессе их разработки, и необходимости оперативного принятия решений требуется наличие инновационных подходов с использованием нового класса рекомендательных систем. В данной работе предлагается разработать гибридный подход и интегрировать упрощенные физические законы в модель машинного обучения. Это позволит оперативно получать качественный и достоверный прогноз для решения целого класса оптимизационных задач в области управления разработкой месторождений и повышения нефтеотдачи, а также создавать большое количество сценариев разработки в зависимости от актуальных задач и вызовов, стоящих перед службой главного геолога.