Информация о докладе

В среду, 29 апреля 2026 г., в 12.00 состоится очередное заседание семинара по механике сплошных сред имени А.Г. Куликовского и А.А. Бармина. Руководители семинара: В.П. Карликов, А.Н. Осипцов, А.А. Афанасьев и Н.В. Никитин. Семинар пройдет в очном режиме в кинозале НИИ механики МГУ. Также можно подключиться к видеоконференции в системе Salute Jazz (Код конференции: f2pxqo@salutejazz.ru, пароль: fvobloi5; ссылка для подключения: https://clck.ru/3FJTYk )

Морозов Антон Дмитриевич

Сколковский институт науки и технологий, Москва

ОПТИМИЗАЦИЯ ТЕХНОЛОГИЙ НЕФТЕСЕРВИСНОГО ОБСЛУЖИВАНИЯ НА ОСНОВЕ МАТЕМАТИЧЕСКОГО МОДЕЛИРОВАНИЯ И АНАЛИЗА ДАННЫХ

Работа посвящена разработке методологии моделирования на основе данных для анализа и ретроспективной оптимизации дизайна гидравлического разрыва пласта в условиях неоднородных и зашумлённых промысловых данных. На основе базы данных 6 715 скважин (23 месторождения Западной Сибири, ООО «Газпромнефть-НТЦ») показано, что доменный сдвиг между месторождениями является главным источником нестабильности предиктивных моделей машинного обучения. Предложена процедура физически информированной фильтрации данных, основанная на аналитическом критерии двойного неравенства для индекса продуктивности и независимой верификации численной моделью двухфазного течения при обратном выносе жидкости ГРП. Результирующая высокоточная подвыборка (1 081 скважина) обеспечивает рост обобщающей способности модели прогноза 90-суточного дебита с 0.53 до 0.72 по коэффициенту детерминации R2. Обратная задача сформулирована как максимизация предсказанной накопленной добычи J(x) = ỹ(x) − λ·σ(x) по управляемым параметрам ГРП; выявлены устойчивые тренды оптимального дизайна с оценкой эпистемической неопределённости. Ключевой вывод: физическая согласованность обучающих данных определяет качество и интерпретируемость предсказательного моделирования сильнее, чем сложность её архитектуры.

Докладчики

• Морозов Антон Дмитриевич