Прогнозирование технологических параметров жидкостей гидравлического разрыва пласта с применением методов искусственного интеллекта

Abstract

Рассмотрена задача прогнозирования технологических параметров жидкостей гидроразрыва пласта на основе методов машинного обучения. Представлен подход к формированию датасета, включающего реологические характеристики гелей, параметры разрушения и восстановления структуры, а также физико-химические свойства воды и дозировки химических реагентов. Проведен анализ взаимосвязей между входными и целевыми параметрами с использованием корреляционного и регрессионного анализа. Для построения прогнозных моделей применены аддитивная нелинейная регрессия, а также регуляризационные методы Lasso и Ridge. Дополнительно использованы ансамблевые алгоритмы машинного обучения, включая случайный лес и градиентный бустинг. Разработанная модель продемонстрировала высокую точность прогнозирования ключевых параметров, таких как средняя вязкость при закачке, вязкость через 60 и 250 мин, а также время разрушения сшитой системы. Показана возможность практического применения модели для оперативного подбора рецептуржидкостей гидроразрыва пласта и сокращения объемов лабораторных испытаний.

The paper addresses the problem of predicting technological parameters of hydraulic fracturing fluids using machine learning methods. An approach to dataset formation is presented, including rheological characteristics of gels, parameters of structure breaking and recovery, as well as physicochemical properties of water and dosages of chemical reagents. Relationships between input and target parameters are analyzed using correlation and regression analysis. Additive nonlinear regression and regularization methods such as Lasso and Ridge regression are applied to build predictive models. In addition, ensemble machine learning algorithms, including random forest and gradient boosting, are used. The developed model demonstrates high accuracy in predicting key parameters such as average viscosity during pumping, viscosity after 60 and 250 min, and breaking time of the crosslinked system. The results confirm the possibility of practical application of the model for rapid selection of hydraulic fracturing fluid formulations and reduction of laboratory testing.