Methods of research of oil production forecasting
Keywords:
intelligent system, neural networks, machine learning, oil production forecasting, oil industry, deep learning, automation, modeling, artificial intelligenceAbstract
The article considers modern forecasting methods in the oil industry, the use of neural networks in forecasting oil production, and the development of an application solution for automating the assessment of the probability of successful oil production based on the analysis of geophysical parameters. The architecture of the developed model is introduced, and the results of its training and testing are given.
References
Байбаров, Д. А. Оценка продуктивности и экономической эффективности технологий искусственного интеллекта для автоматизации процессов разведки и добычи нефти и газа / Д. А. Байбаров // XXI век: итоги прошлого и проблемы настоящего плюс. – 2021. – Т. 10, № 3(55). – С. 100-105. – DOI 10.46548/21vek-2021-1055-0019.
Вершинин, В. Е. Нейросетевое моделирование Прогнозирование показателей добычи скважин в условиях нестационарного заводнения / В. Е. Вершинин, Р. Ю. Пономарев // Деловой журнал Neftegaz.RU. – 2022. – № 5-6(125-126). – С. 26-32. – EDN ZGEQVB.
Нейросетевое прогнозирование входных параметров при добыче нефти / Е. Д. Семенов, М. Я. Брагинский, Д. В. Тараканов, И. Л. Назарова // Вестник кибернетики. – 2023. – Т. 22, № 4. – С. 42-51. – DOI 10.35266/1999-7604-2023-4-6.
Патент № 2794707 C1 Российская Федерация, МПК E21B 41/00, E21B 49/00, G01V 99/00. Способ прогнозирования объемов добычи углеводородов из месторождений нефти и газа с использованием компьютерного моделирования: № 2022120987 : заявл. 02.08.2022 : опубл. 24.04.2023 / А. В. Бочкарев, Б. В. Васекин, Н. А. Воробьев [и др.] ; заявитель Общество с ограниченной ответственностью "Страта Солюшенс", Общество с ограниченной ответственностью "Физтех Геосервис".
Современные методы применения машинного обучения как инструмента прогнозирования добычи нефти / А. Р. Рустамов, Г. М. Пеньков, Д. Г. Петраков, М. А. Рустамова // Недропользование. – 2024. – Т. 24, № 1. – С. 44-50. – DOI 10.15593/2712-8008/2024.1.6.
Standards for Selection of Surfactant Compositions used in Completion and Stimulation Fluids / D. G. Petrakov, A. V. Loseva, N. T. Alikhanov, H. Jafarpour // International Journal of Engineering. – 2023. – Vol. 36, No. 9. – P. 1605-1610. – DOI 10.5829/ije.2023.36.09c.03.
Цыпленков, С. В. Нейросетевой подход к ранжированию факторов, влияющих на энергоэффективность добычи нефти / С. В. Цыпленков, Е. Д. Агафонов, Д. И. Цыпленкова // Интеллектуальные системы в производстве. – 2022. – Т. 20, № 1. – С. 22-28. – DOI 10.22213/2410-9304-2022-1-22-28. – EDN KVZQAT.
Development of Monitoring and Forecasting Technology Energy Efficiency of Well Drilling Using Mechanical Specific Energy / A. Kunshin, M. Dvoynikov, E. Timashev, V. Starikov // Energies. – 2022. – Vol. 15, No. 19. – P. 7408. – DOI 10.3390/en15197408.
Ilyushin, Y.V., Nosova, V.A. (2025). Development of Mathematical Model for Forecasting the Production Rate. International Journal of Engineering, Transactions B: Applications, 38(8), 1749-1757. https://doi.org/10.5829/ije.2025.38.08b.02
Negash, B. M. Artificial neural network-based production forecasting for a hydrocarbon reservoir under water injection / B. M. Negash, A. D. Yaw // Petroleum Exploration and Development. – 2020. – Vol. 47, No. 2. – P. 383-392. – DOI 10.1016/s1876-3804(20)60055-6.
Колцун, Н. В. Внедрение искусствен-ного интеллекта в горнодобывающем секторе / Н. В. Колцун, А. В. Гурко // Анализ и прогнозирование систем управления в промышленности, на транспорте и в логистике, Санкт-Петербург, 23–25 апреля 2024 года. – СПб.: ООО "Медиапапир", 2024. – С. 223-229.
