Цель работы - разработка моделей машинного обучения, позволяющих прогнозировать темпы падения дебита нефти с высокой точностью, что позволит заменить традиционные способы, которые сводились к математической аппроксимации результатов.

The aim of the work is to develop machine learning models that allow predicting oil flow rate decline rates with high accuracy, which will replace traditional methods that were reduced to mathematical approximation of results.

• СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
• СПИСОК ТЕРМИНОВ
• ВВЕДЕНИЕ
• ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ПРОГНОЗИРОВАНИЯ ТЕМПОВ ПАДЕНИЯ НЕФТИ
  • 1.1. ОБЗОР ЭМПИРИЧЕСКОЙ ЛИТЕРАТУРЫ
  • 1.2. ТЕОРЕТИЧЕСКОЕ ОПИСАНИЕ СУЩЕСТВУЮЩИХ МЕТОДОВ
    • 1.2.1. МОДЕЛИ ПРОГНОЗИРОВАНИЯ ПО АРПСУ
    • 1.2.2. РЕГРЕССИОННЫЙ АНАЛИЗ
    • 1.2.3. РЕШАЮЩЕЕ ДЕРЕВО И СЛУЧАЙНЫЙ ЛЕС
    • 1.2.4. МОДЕЛИ БУСТИНГА
• ГЛАВА 2. ПРОГНОЗИРОВАНИЕ ТЕМПОВ ПАДЕНИЯ ДЕБИТА НЕФТИ НА ПРИМЕРЕ ПАО «ГАЗПРОМ НЕФТЬ»
  • 2.1. ОПИСАНИЕ И ПОДГОТОВКА ДАННЫХ ДЛЯ ПРОГНОЗИРОВАНИЯ
  • 2.2. ПОСТРОЕНИЕ ПРОГНОЗНЫХ МОДЕЛЕЙ И ИХ СРАВНИТЕЛЬНЫЙ АНАЛИЗ
    • 2.2.1. МОДЕЛИ ПО АРПСУ
    • 2.2.2. МОДЕЛЬ ЛИНЕЙНОЙ РЕГРЕССИИ
    • 2.2.3. МОДЕЛИ РЕШАЮЩЕГО ДЕРЕВА И СЛУЧАЙНОГО ЛЕСА
    • 2.2.4. БУСТИНГ-МОДЕЛИ
    • 2.2.5. ПОИСК ЛУЧШЕЙ МОДЕЛИ И ПОСТРОЕНИЕ ПРОГНОЗОВ
  • 2.3. ЭКОНОМИЧЕСКИЙ ЭФФЕКТ
• ЗАКЛЮЧЕНИЕ
• СПИСОК ЛИТЕРАТУРЫ
• СПИСОК ИЛЛЮСТРАТИВНОГО МАТЕРИАЛА
• ПРИЛОЖЕНИЕ 1 ДИНАМИКА ТЕМПОВ ПАДЕНИЯ ДЕБИТА НЕФТИ ПО ВСЕМ СКВАЖИНАМ
• ПРИЛОЖЕНИЕ 2 СРАВНЕНИЕ МОДЕЛЕЙ АРПСА И CATBOOST
• ПРИЛОЖЕНИЕ 3 ФИНАНСОВО-ЭКОНОМИЧЕСКАЯ МОДЕЛЬ СКВАЖИНЫ P23 ПО ПРОГНОЗАМ МОДЕЛИ АРПСА
• ПРИЛОЖЕНИЕ 4 ФИНАНСОВО-ЭКОНОМИЧЕСКАЯ МОДЕЛЬ СКВАЖИНЫ P23 ПО ФАКТИЧЕСКИМ ПОКАЗАТЕЛЯМ ДОБЫЧИ С ПЛАНИРОВАНИЕМ МЕРОПРИЯТИЙ ПО МОДЕЛИ АРПСА
• ПРИЛОЖЕНИЕ 5 ФИНАНСОВО-ЭКОНОМИЧЕСКАЯ МОДЕЛЬ ПО ФАКТИЧЕСКИМ ДАННЫМ И ПРОВЕДЕНИЕМ ГТМ ПО МОДЕЛИ CATBOOST