MXStat
MXStat
Введите текст для поиска
Расширенный поиск каналов
  • Вход на сайт
  • Каталог
    Каталог каналов Региональные подборки Поиск каналов
    Добавить канал
  • Рейтинги
    Рейтинг каналов Рейтинг публикаций
  • Аналитика
  • Поиск по публикациям [new]
  • Мониторинг Max
Сколтех

20 Nov, 09:20

Открыть в Max Поделиться

🛢📈 Как студенты Сколтеха создали систему поддержки решений для «Газпром нефти»

Мы продолжаем рассказывать о победителях программы «Погружение в индустрию». Следующие герои — Усупов Антонио и Руслан Конунин, студенты магистратуры образовательной программы «Нефтегазовое дело». Свою стажировку они проходили в Научно-техническом центре «Газпром нефти».

Перед студентами стояла задача разработать ML-модель для прогнозирования добычи нефти и оценки того, как изменения в программе опытно-промышленной разработки (ОПР) могут повлиять на результаты месторождения. Проблема заключалась в том, что на ранних этапах данных ещё недостаточно, а решения о бурении принимать уже нужно — поэтому критически важно оценивать неопределённость и понимать, как новые данные помогут снизить риски.

Для решения задачи авторы разработали интерактивный ML-симулятор:

• CatBoost применили для прогнозирования добычи.
• Гауссовские процессы — для пространственного моделирования геологических параметров.
• Метод Монте-Карло — для оценки возможных исходов.
• Всё это объединили в удобное приложение на Streamlit.

Главной фишкой стала возможность моделировать последовательное бурение: по мере поступления данных от каждой новой скважины система обновляет прогноз для всей программы, показывая, как меняются риски. Также студенты реализовали сравнение стратегий бурения и нейросетевой модуль для прогнозирования помесячного профиля добычи.

«Самым сложным оказалась работа с реальными промышленными данными. Мы столкнулись с большим количеством пропусков, некорректных значений и различиями между данными нескольких месторождений. Приходилось разбираться не только в машинном обучении, но и в физических причинах полученных зависимостей», — рассказывает Антонио.

«Самым интересным стало то, как в процессе работы изменилась сама постановка задачи. Изначально мы пытались как можно точнее предсказывать добычу, но постепенно поняли, что для бизнеса не менее важно оценивать неопределённость и понимать, сколько дополнительной информации необходимо для принятия решения. В результате проект вырос из обычной модели прогнозирования в систему поддержки принятия решений».


«Я бы посоветовал с самого начала разобраться, какую реальную проблему компании должен решить ваш проект, и как можно чаще обсуждать промежуточные результаты с кураторами. В процессе работы может оказаться, что первоначальную задачу стоит изменить, и не нужно этого бояться. Также важно не недооценивать время на подготовку и проверку данных — в нашем случае это была значительная часть всей работы».


Отдельную благодарность Антонио и Руслан выражают кураторам Александру Мельникову и Максиму Симонову за поддержку и обратную связь. Сейчас команда уже обсуждает возможности дальнейшего развития проекта и подготовки научной публикации.

#IndustrialImmersion

120 1
Каталог
Каталог каналов Подборки каналов Поиск каналов Добавить канал
Рейтинги
Рейтинг каналов Max Рейтинг публикаций
API
API статистики API поиска публикаций
Наши каналы
MXStat в Telegram MXStat в Max
Контакты
Написать в Max Написать в Telegram Написать на почту
Всякая всячина
Пользовательское соглашение Политика конфиденциальности Публичная оферта
Наши боты
MXAuthBot MXAnalyticsBot MXStatBot
Made by TGStat