Details

Title: Построение метамодели притока флюида к вертикальной скважине по данным из гидродинамического симулятора: выпускная квалификационная работа бакалавра: направление 01.03.03 «Механика и математическое моделирование» ; образовательная программа 01.03.03_01 «Механика и математическое моделирование сред с микроструктурой»
Creators: Муравцев Александр Алексеевич
Scientific adviser: Журавлева Елена Юрьевна
Organization: Санкт-Петербургский политехнический университет Петра Великого. Институт прикладной математики и механики
Imprint: Санкт-Петербург, 2021
Collection: Выпускные квалификационные работы; Общая коллекция
Subjects: машинное обучение; цифровая модель пласта; латинский гиперкуб; многослойный перцептрон; градиентный бустинг; machine learning; digital reservoir model; latin hypercube; multilayer perceptron; gradient boosting
Document type: Bachelor graduation qualification work
File type: PDF
Language: Russian
Level of education: Bachelor
Speciality code (FGOS): 01.03.03
Speciality group (FGOS): 010000 - Математика и механика
Links: Отзыв руководителя; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2021/vr/vr21-4404
Rights: Доступ по паролю из сети Интернет (чтение, печать, копирование)
Record key: ru\spstu\vkr\15729

Allowed Actions:

Action 'Read' will be available if you login or access site from another network Action 'Download' will be available if you login or access site from another network

Group: Anonymous

Network: Internet

Annotation

В данной работе проводилось построение и исследование метамодели притока флюида к вертикальной скважине. Представлено два подхода к построению метамодели: с помощью градиентного бустинга на основе деревьев регрессии и с помощью искусственных нейронных сетей. В гидродинамическом симуляторе построена компьютерная модель пласта, на которой проводились эксперименты с целью генерации данных для обучения метамодели. Проведена визуализация точности прогноза обученных нейронных сетей. Метамодель применена для оценки неопределённости суммы дебитов нефти методом Монте-Карло.

In this work, the construction and study of a metamodel of fluid inflow to a vertical well was carried out. Two approaches to building a metamodel are presented: using gradient boosting based on regression trees and using artificial neural networks. In the hydrodynamic simulator, a computer model of the reservoir was built, on which experiments were carried out in order to generate data for training the metamodel. Visualization of the forecast accuracy of trained neural networks has been performed. The metamodel is applied to estimate the uncertainty of the sum of oil production rates using the Monte Carlo simulation.

Document access rights

Network User group Action
ILC SPbPU Local Network All Read Print Download
External organizations N2 All Read
External organizations N1 All
Internet Authorized users SPbPU Read Print Download
Internet Authorized users (not from SPbPU, N2) Read
Internet Authorized users (not from SPbPU, N1)
-> Internet Anonymous

Usage statistics

stat Access count: 1
Last 30 days: 0
Detailed usage statistics