Представлен инновационный подход к моделированию виртуальных гидродинамических исследований добывающих скважин, эксплуатирующих терригенные коллекторы нефтяных месторождений Пермского края. Для решения поставленной задачи использовались современные технологии машинного обучения (CatBoost, Random Forest, XGBoost, MLP, Gradient Boosting и др.), что позволило достичь высокой точности прогнозов. Основной параметр для моделирования и исследования – забойное давление на различных этапах его восстановления в процессе проведения гидродинамических исследований скважин. Использование метода интерпретации модели SHAP впервые позволило оценить влияние геолого-технологических параметров на величину забойного давления и выделить среди них ключевые. Анализ чувствительности модели прогнозирования восстановления забойного давления к изменению исходных параметров позволил оценить степень их влияния на формирование кривых восстановления давления (КВД). Уникальность предложенного подхода заключается в изучении значимости параметров на различных временных этапах восстановления забойного давления в процессе гидродинамического исследования, позволяющего более детально понимать процессы, происходящие в пластовых условиях. Предложенные алгоритмы позволили создать синтетические КВД, максимально приближенные к фактическим данным, а также в режиме реального времени изучать динамику проницаемости удаленной зоны пласта. Подход открывает новые горизонты в моделировании виртуальных гидродинамических исследований и позволяет с высокой степенью детализации и оперативности оценивать фильтрационные свойства пласта по всему добывающему фонду скважин одновременно. Технологическое решение направлено на оперативность оценки фильтрационных параметров удаленных зон пласта и обеспечивает возможность мониторинга изменения проницаемости, что способствует своевременному выявлению зон ухудшения притока нефти и разработке мер по восстановлению продуктивности скважин. Данный подход существенно снижает экономические риски, связанные с проведением дорогостоящих полевых испытаний, обеспечивая надежность и достоверность прогнозируемых показателей при минимальных затратах ресурсов и времени.
