AI проекты
Этапы подбора
Резюме
Блог
Почему услуга бесплатна
О проекте
Демонстрация
Участники
Благодарность
Стажировка по проекту
Компания: РОСГЕОЛОГИЯ. Публичное акционерное общество «Пермнефтегеофизика»
предсказание параметров для оценки результатов бурения
Суть проекта
Задача
Для чего
Вводные данные
Выходные данные
Создать систему, реализующую следующий функционал:
  1. Предсказание типа коллектора по исходным целевым параметрам
  2. Предсказание коэффициента KPEF по исходным целевым параметрам
  3. Предсказание коэффициента KNEF по исходным целевым параметрам
Автоматический анализ скважины для определения коэффициента эффективной нефтенасыщенности
Табличная база данных одной из скважин РФ, содержащая 9 входных параметров и 3 целевых. База содержит порядка 5 тысяч строк
  • Точность определения коллекторов - 91%
  • Относительная ошибка определения параметра KPEF - 5%
  • Относительная ошибка определения параметра KNEF - 11%
Участники команды проекта с августа
  • КУЗИН СЕРГЕЙ
    Тимлид проекта
    Сергей - руководитель группы разработчиков, отвечал за полную разработку проекта
  • локтев максим
    Инженер специального оборудования в ТК Центр (Столото)
    • Анализ данных;
    • Аугментация датасета;
    • Задача «предсказание параметра KPEF» (для 80 коллектора)
  • мартынович степан
    Студент МГИМО. Направление: Бизнес - информатика (профиль: Информационные технологии в международном бизнесе)
    • Тестирование аугментированного датасета;
    • Задача «предсказание параметра KNEF»
  • Суслин герман
    Инженер-исследователь в области нантехнологий
    • Отработка гипотезы применения временных рядов для решения задачи;
    • Формирование и аугментация датасета под задачу временных рядов
  • каргальцев владислав
    Топ-менеджер, напраление финансы/инвестиции/консалтинг
    • Аугментация датасетов (TimeSeries, Random, балансировка, выборки коллекторов, бинарная классификация);
    • Бинарная классификация параметров KNEF/KPEF (ML, DL);
    • Задача «классификация коллекторов» с использованием дополнительных фичей ML/DL;
    • Задача «предсказание параметров KNEF/KPEF» c использованием дополнительных фичей ML/DL
  • багурин максим
    Слесарь-ремонтник сантехнического участка
    • Задача «классификация коллекторов» (DL);
    • Отработка гипотезы применения автокодировщиков для классификации коллекторов;
    • Задача «предсказание параметра KPEF»
  • Рожков Илья
    IT, Python-разработка, нейронные сети, машинное обучение и SQL, заместитель генерального директора ООО «ВЕСТТРЕЙД»
    • Интеграция проекта;
    • Разработка веб-приложения на StreamLit;
    • Внедрение решений участников в веб-интерфейс
  • Новиков Алексей
    Разработчик-фрилансер 1С
    • Отработка гипотезы по разбитию выходных данных для параметра KNEF на классы;
    • Задача «предсказание параметра KNEF» для 80 коллекторов с использованием значения параметра KPEF;
    • Задача «предсказание параметров KNEF/KPEF»
  • шахлин виталий
    Программист, более 10+ лет опыта в коммерческой разработке, в основном занимается Enterprice решениями на java и C#
    • Задача «классификация коллекторов»;
    • Задача «предсказание параметров KNEF/KPEF» (DL);
    • Задача «предсказание параметров KNEF/KPEF» (ML)
  • Николаев алексей
    Звукорежиссёр и художник по свету
    • Создание генератора данных для аугментации датасета;
    • Задача «предсказание параметра KNEF» (DL);
    • Задача «предсказание параметра KNEF» (ML)
  • солдатов александр
    Руководитель проектов, информационные технологии, системная интеграция
    • Задача «предсказание параметров KNEF/KPEF»;
    • Использование методов классического ML (XGBoost)
  • Кононов Антон
    ФИЦ «Немчиновка», биоинформатик
    • Тестирование аугментированного датасета;
    • Задача «классификация коллекторов» (классический ML);
    • Задача «классификация коллекторов» (BaggingClassifier)
  • Григоревский Константин
    Программист, разработчик ПО
    • Тестирование аугментированного датасета;
    • Задача «классификация коллекторов»
  • Фадеев Юрий
    Руководитель проекта по развитию и внедрению корпоративной информационной системы SAP компании Титан-2 на строительной площадке Аккую, Турецкая Республика
    • Тестирование аугментированного датасета;
    • Задача «предсказание параметра KPEF» (DL)
Участники команды проекта с сентября
  • Грибков Дмитрий
    Руководитель по концепции Retail
    • Задача «классификация коллекторов»;
    • Аугментация датасета до 10 млн значений
  • головинский дмитрий
    Руководитель 1С франчайзи
    • Задача «классификация коллекторов»;
    • Задача «предсказение параметров KPEF/KNEF»;
    • Отработка гипотезы применения автокодировщиков
  • Ляшенко дмитрий
    Веб-разработчик в ООО УФС
    • Задача «классификация коллекторов»;
    • Отработка гипотезы применения автокодировщиков и вариационных автокодировщиков
принцип работы
  1. Система реализована в виде веб-сервиса, предоставляющего возможность выполнения как одиночного, так и комплексного предсказания
  2. Для одиночного предсказания необходимо заполнить соответствующие поля на странице ввода данных
  3. Для комплексного предсказания необходимо загрузить таблицу с заполненными данными
  4. Для выполнения корреляционного анализа необходимо загрузить исходную таблицы на страницу ввода
Благодарность университета