Сколтех
🛢📈 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 Если у вас установлено приложение,
вы можете сразу перейти в канал