Применение алгоритмов машинного обучения для прогнозирования инцидентов на скважинах

Аннотация: В нефтегазовых компаниях ежегодно растет количество структурированной информации по эксплуатации объектов нефте- и газодобычи, поэтому появляется возможность использования накопленного объема данных для решения нетривиальных задач по прогнозированию различных технологических параметров, используя современные информационные технологии. Подходящим инструментом для решения данных задач являются алгоритмы машинного обучения, применение которых позволит повысить эффективность производства и сократить операционные издержки. Решением одной из таких задач стал проект по прогнозированию инцидентов на насосно-компрессорных трубах для принятия превентивных мер по предотвращению аварий на нагнетательном фонде, который был реализован на языке программирования Python 3. Авторами разработано программное решение с использованием Open source библиотек Pandas, Numpy, PySimpleGUI, Sklearn и LightGBM. Качественный анализ модели производился по методу K-fold кросс-валидации с использованием метрики MAPE (Mean Absolute Percentage Error). В ходе проекта собрана обучающая база данных, содержащая более 3,5 миллионов объектов по 32 признакам, включающим информацию о насосно-компрессорных трубах, «исторических» режимах работы нагнетательных скважин и химическом составе закачиваемого агента. Прогностическая способность модели позволяет давать удовлетворительный прогноз (сходимость с фактом более 60 %) по 7 из 10 исследованных скважин. Отмечено влияние результатов проекта на повышение экономической эффективности производственных предприятий. Внедрение результатов работ данного проекта в производственную деятельность позволило сократить трудозатраты профильных специалистов и повысить качество работ в части формирования геолого-технических мероприятий на нагнетательном фонде.