Guest
Data Fest Online 2020 Manufacturing, Energy, and Logistics track Спикер: Семён Косяченко, Senior Data Scientist, Zyfra Истощение продуктивных нефтегазовых пластов в последние десятилетия требует от сервисных компаний строительства глубоких скважин с большим отходом от вертикали, в некоторых случаях достигающим 10000 – 12000 метров по стволу. В связи с более сложной проводкой риск осложнений и аварийных в процессе бурения многократно возрастает. Данная работа посвящена проблеме применения методов машинного обучения для поиска и использования скрытых зависимостей между наблюдаемыми параметрами бурения для заблаговременного информирования оператора о возможных прихватах – потери подвижности долота, буровой колонны. Приводятся метод оценки общего состояния скважины (аномальности скважины). Приводятся подходы для оценки ключевых показателей скважины (вес на крюке, момент на роторе, давление на входе) на основе регрессионных моделей сравнения «модель-факт». Рассматривается возможность построения прогностических моделей, базирующихся только на управляемых при бурении параметрах. Далее рассматривается общая схема функционирования сервиса, объединяющая отдельные модели машинного обучения в программный комплекс. Приведенные в конце результаты численных исследований, основанные на исторических данных геолого-технического исследования, позволяют высоко оценить перспективы применения моделей машинного обучения применительно к проблемам бурения нефтегазовых скважин. Посмотреть эфир и список треков и организаторов Зарегистрироваться на фест и получить доступ к трекам Вступить в сообщество Соцсети Data Fest:
