Нейросетевое прогнозирование параметров процесса бурения

Участники (ПГУ): Горбаченко Владимир Иванович [0] [Руководитель] , Абрамов Игорь Анатольевич [100] [Отв. исполнитель] 
Название: Нейросетевое прогнозирование параметров процесса бурения
Владелец: Горбаченко Владимир Иванович
Тип: Хоздоговоры
Номер: 2/25 НИР
Дата: 13.11.2026
Аннотация: Цель работы — исследование возможностей нейросетевого прогнозирования параметров бурения. В процессе работы экспериментально исследовано применение нейронных сетей различной архитектуры для прогнозирования параметров бурения. Параметры бурения представлены как временные ряды. В результате экспериментов была выбрана архитектура нейронной сети со сверточными одномерными слоями. Проведены исследования по прогнозированию параметров бурения на реальных данных, предоставленных Заказчиком. Выявлена основная проблема прогнозирования параметров — очень большие периоды тренда параметров бурения, которые требуют работы с большими обучающими наборами и временными данными. Намечены некоторые направления решения этой проблемы.
Код ГРНТИ: 28.00.00 Кибернетика
Результаты: В качестве исходных данных использованы временные ряды технологических параметров бурения, включая глубину скважины, глубину долота, нагрузку на долото, давление на устье, скорость потока, момент на роторе, частоту вращения бурильной колонны, положение талевого блока, скорость подъёмно-спусковых операций и скорость проходки бурения. Проведен анализ различных архитектур нейронных сетей для прогнозирования временных рядов. Для прогнозирования выбрана нейронная сеть архитектуры WaveNet, основанная на последовательности одномерных каузальных расширенных сверточных слоёв, позволяющих учитывать длительные зависимости во временных рядах. Проведен анализ особенностей временных рядов, характеризующих процесс бурения. Показана необходимость большого временного окна. Разработан алгоритм сжатия данных для уменьшения размера временного окна. Проведена подготовка и аугментация реальных данных бурения. Выполнено обучение нейронной сети с использование оптимизатора Adam и оценкой качества обучения по коэффициенту детерминации и NRMSE. Разработанная модель показала высокую точность прогнозирования большинства параметров. Для большинства параметров коэффициент детерминации превысил 0,9 при малых значениях NRMSE, что свидетельствует о способности модели прогнозировать характер и значения параметров бурения. Результаты исследования свидетельствуют о возможности применения нейросетевых методов для прогнозирования технологического состояния процесса бурения. Дальнейшее повышение качества прогнозирования связано с исследованием новых архитектур нейронных сетей с целью повышения точности и расширения гори-зонта прогнозирования, адаптацией моделей к различным геолого-техническим условиям, повышением устойчивости к шумным данным.
Ссылка: https://www.eco-platforma.ru/index.html
Объем денежных средств: 1500000
Источник финансирования: Российские хозяйствующие субъекты
Дата создания:14.11.2026 15:25
Ссылка на ресурс:
http://elib.pnzgu.ru/nir/1338