Двухстадийная оптимизация архитектуры рекуррентных сетей для среднесрочного прогноза показателей добычи

Н.А. Макаров* (1), М. Аль-Шаргаби (1), Мохаммад Мехрад (1), Д.А. Ш. Давуди (1, 2) (1 - НИ ТПУ Центр Хериот-Ватт, 2 - Сколтех)

Аннотация: Представлен единый рабочий процесс среднесрочного прогнозирования дебита нефти в скважинах действующего месторождения, объединяющий вейвлет-фильтрацию промысловых временных рядов, двукритериальный отбор признаков алгоритмом NSGA-II–LSTM, двухстадийную оптимизацию гибридных нейросетевых архитектур (LSTM/CNN) с применением алгоритмов роевой оптимизации частиц (PSO) и оптимизации кукушки (COA), а также интерпретацию модели методом значений Шепли (SHAP). На открытом наборе данных трёх скважин месторождения Volve (Северное море, Норвегия) лучшие результаты получены для модели LSTM-COA: на слепой тестовой скважине достигнуты RMSE = 2,15 м³/сут и R² = 0,9978, что в 3,5–4 раза точнее автономных нейросетей. Бутстрэп-анализ (2000 итераций) подтвердил статистическую значимость преимущества: 95%-й доверительный интервал RMSE для LSTM-COA — наименьший среди шести сопоставленных моделей. SHAP-анализ выявил определяющую роль средней забойной температуры, что физически согласуется с эффектом Джоуля–Томсона и подтверждает интерпретируемость предложенной архитектуры.


Доступно только для зарегистрированных пользователей