Тема выпускной работы: «Применение моделей машинного и глубокого обучения для прогнозирования нефтегазодобычи». Данная работа посвящена исследованию моделей машинного и глубокого обучения в области прогнозирования нефтегазодобычи. Задачи: выполнить анализ предметной области; рассмотреть существующие алгоритмы машинного и глубокого обучения; применить три различных алгоритма для анализа и прогнозирования нефтедобычи; выполнить оптимизацию лучшего алгоритма. В работе выполнен анализ данных по нефтедобыче, а именно параметры эксплуатирующийся скважины. Произведена очистка, фильтрация и сглаживание временных рядов, подготовка данных к моделированию. В результате были построены три модели (Arima, LSTM, Random Forest), оценены их показатели ошибок. Для выбранной модели Arima выполнена оптимизация ее гиперпараметров. Точность прогнозирования повысилась.

Graduate work topic: "Application of machine learning and deep learning models for forecasting oil and gas production". This work is devoted to the study of machine and deep learning models in the field of forecasting oil and gas production. Tasks: perform an analysis of the subject area; consider existing algorithms for machine and deep learning; apply three different algorithms for analysis and forecasting of oil production; optimize the best algorithm. The paper analyzes data on oil production, namely the parameters of the wells used. Cleaning, filtering and smoothing of time series, preparation of data for modeling.As a result, three models (Arima, LSTM, Random Forest) were built and their error rates were evaluated. For the selected Arima model, optimization of its hyperparameters was performed. Prediction accuracy has improved.

• СОДЕРЖАНИЕ
• Введение
• Глава 1. Анализ предметной области
  • 1.1 Описание предметной области нефтегазодобычи
  • 1.2 Традиционные методы анализа добычи
  • 1.3 Постановка задачи и описание данных
• Глава 2. Методология исследования
  • 2.1 Методы искусственного интеллекта как подход к решению
  • 2.2 Модели машинного и глубокого обучения
• Глава 3. Предварительная обработка данных
  • 3.1 Библиотеки, функции и инструменты
  • 3.2 Предварительная обработка и исследование данных
• Глава 4. Построение моделей
  • 4.1 Сравнительный анализ различных ИИ-моделей
    • 4.1.1 Модель Arima
    • 4.1.2 Модель LSTM
    • 4.1.3 Модель RandomForestRegressor
  • 4.2 Определение оптимальных параметров моделей для прогнозирования добычи
• Заключение
• Список использованных источников
• Приложение А