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.