Моделирование технологических режимов и прогноз показателей газоконденсатных скважин на основе методов машинного обучения и кластерного анализа

Аннотация

В работе представлен подход к моделированию гидродинамических показателей работы газоконденсатных скважин на основе гибридного ансамблирования методов машинного обучения и физически обоснованной кластеризации. Для исключения эффекта утечки данных из пространства входных признаков извлечены прямо вычисляемые гидродинамические параметры (число Рейнольдса, скорость потока, коэффициент Фаннинга). Проведена робастная фильтрация аномалий и кластеризация промысловых данных методом K-Means, подтвержденная физико-гидродинамической интерпретацией и критерием Краскела—Уоллиса. Сформирован гибридный ансамбль градиентного бустинга с наложением монотонных физических ограничений Продемонстрировано статистически значимое по критерию Уилкоксона преимущество предложенного алгоритма над едиными моделями машинного обучения: относительная ошибка прогностической модели дебита снижена с 23.16% до 19.70% при коэффициенте детерминации равном 0.898. Для инверсной задачи восстановления забойного давления достигнута средняя абсолютная ошибка 0.517 атм.