Исследование методов машинного обучения при анализе добычи и обслуживания нефтяных скважин

Abstract

В данной статье были рассмотрены методы определения значимых признаков, а также методы прогнозирования для оптимизации бурения нефтяных скважин, определены их достоинства и недостатки. Для выявления наиболее значимых признаков, влияющих количество добываемой нефти, проводился отбор признаков на основе корреляционного анализа, а также сравнение и идентификация эффективных методов обучения нейронной сети. В результате был выбран метод BRANN (искусственная нейронная сеть с байесовской регуляризацией), так как он показал лучшие результаты при относительно коротком времени обучения. Таким образом, нейронная сеть была обучена прогнозированию количества добываемой нефти на нефтяных скважинах.