Сколтех

@Skoltech
Фото 🛢📈 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