Registration Number
0826U001869, PhD dissertation
Status
Доктор філософії
Date
25-06-2026
popup.evolution
.
Title
Computer Neural Network Decision Support System in the Process of Oil and Gas Well Drilling.
Author
Oleksandr Ivanotchak,
popup.head Viktoriia Bandura
popup.opponent Oleksandr Vovna
popup.opponent Hennadii Shvachych
popup.review Vasyl I. Sheketa
popup.review Volodymyr Pikh
popup.rada
Ivano-Frankivsk National Technical University of Oil and Gas
Description
Дисертаційна робота присвячена розробці комп’ютерної нейромережевої системи підтримки прийняття рішень у процесі буріння нафтогазових свердловин. Актуальність дослідження зумовлена високою динамічністю технологічних параметрів буріння, значними обсягами телеметричних даних та необхідністю оперативного виявлення передаварійних ситуацій у режимі реального часу.
Метою дисертаційного дослідження є підвищення ефективності та безпеки процесу буріння нафтогазових свердловин шляхом розробки та впровадження комп’ютерної нейромережевої системи підтримки прийняття рішень, що базується на гібридній CNN-LSTM структурі для предиктивної ідентифікації передаварійних ситуацій та інтелектуальної оптимізації механічної швидкості проходки.
У роботі проведено аналіз сучасних комп’ютерних систем моніторингу буріння, методів машинного навчання, периферійних та хмарних обчислень. Розроблено математичну модель представлення процесу буріння у вигляді багатовимірних часових рядів та сформовано структуру вхідного вектору ознак для нейромережевого аналізу. Обґрунтовано застосування гібридної архітектури CNN-LSTM, яка поєднує можливості згорткових мереж щодо екстракції просторових ознак та рекурентних структур для моделювання часових залежностей.
Запропоновано структуру комп’ютерної системи підтримки прийняття рішень, що включає модулі збору, попередньої обробки, аналізу та інтерпретації телеметричних даних. Розроблено алгоритми ідентифікації передаварійних ситуацій на основі імовірнісного виведення Softmax та математичного фільтра хибних спрацювань. Реалізовано модель прогнозування механічної швидкості проходки та алгоритми пошуку оптимальних режимів буріння.
Основні результати отримано із застосуванням методів машинного навчання, теорії часових рядів, нейронних мереж, математичного моделювання та експериментального тестування.
Наукова новизна одержаних результатів полягає у розробці методу адаптивної ідентифікації передаварійних ситуацій, удосконаленні методики агрегації гіперпараметрів аналітичного ядра на основі Байєсівської оптимізації, а також розвитку методів формування багатовимірних векторів ознак і оцінювання надійності прогнозів штучного інтелекту.
Практичне значення роботи полягає у створенні прикладного програмного забезпечення на основі FastAPI та моделей глибокого навчання для опрацювання телеметричних даних буріння. Розроблені алгоритми дозволяють виявляти ознаки прихоплення колони, поглинання розчину та інших передаварійних ситуацій на ранніх етапах розвитку. Реалізовані структурні, алгоритмічні та інтерфейсні рішення впроваджені у навчальний процес ІФНТУНГ.
Результати дисертаційної роботи апробовано у наукових публікаціях та доповідях на конференціях. Експериментальна апробація підтвердила ефективність системи при виявленні передаварійних ситуацій та підтримці прийняття рішень у процесі буріння нафтогазових свердловин.
Registration Date
2026-05-22
popup.nrat_date
2026-06-08 / 2026-07-03
