В данной работе были изучены методы интенсификации добычи нефти и предложен способ прогнозирования результатов проведения этих методов на скважинах с выбранными геолого-физическими характеристиками. В качестве показателя эффективности метода интенсификации выбрано среднее значение дебита, предварительно нормированного относительно значения дебита до применения метода, фиксируемое в течение года после применения метода. Были определены опорные геолого-физические характеристики пласта, проведена предварительная обработка данных и составлена модель машинного обучения, в основе которой лежит решение задачи классификации алгоритмом градиентного бустинга. После создания модели была предложена методика по ее использованию и оценке качества ее прогноза. Результатом данной работы является модель машинного обучения, позволяющая спрогнозировать наиболее эффективный метод интенсификации добычи нефти для нефтяного пласта по его геолого-физическим характеристикам. Прогноз эффективности метода, полученный с помощью данной модели, может нести рекомендательных характер при составлении планов проведения геолого-технических мероприятий, сократить время исследования и уменьшить риски, возникающие вследствие неправильно подобранного метода.

In this paper, methods of oil production intensification were studied and a method for predicting the results of these methods on wells with selected geological and physical characteristics was proposed. As an indicator of the effectiveness of the intensification method, the average value of the flow rate, previously normalized relative to the value of the flow rate before the application of the method, fixed for a year after the application of the method, was chosen. The basic geological and physical characteristics of the formation were determined, preliminary data processing was carried out and a machine learning model was compiled, which is based on the solution of the classification problem by the gradient boosting algorithm. After the model was created, a methodology was proposed for its use and evaluation of the quality of its forecast. The result of this work is a machine learning model that allows predicting the most effective method of intensifying oil production for an oil reservoir based on its geological and physical characteristics. The forecast of the effectiveness of the method obtained using this model can be of a recommendatory nature when drawing up plans for geological and technical measures, reduce the time of research and reduce the risks arising from an incorrectly selected method.