В данной работе рассмотрены уравнения материального баланса и притока закачки нагнетательных скважин. Разработана связка физической составляющей с моделью машинного обучения. Рассмотрены две методики прогноза. Реализована методика оптимизации ППД. Проверены гипотезы о временных задержках. Разработан программный код на языке Python. Проведена работа по улучшению точности прогноза дебита жидкости и дебита нефти модели CRM с помощью методов машинного обучения.

In this paper, the equations of material balance and injection inflow of injection wells are considered. A link between the physical component and the machine learning model has been developed. Two methods of forecasting are considered. A technique for optimizing the PPD has been implemented, Hypotheses about time delays are tested. A program code in Python has been developed. Work has been carried out to improve the forecast of liquid production of the CRM model using machine learning methods.