Оптимизация освоения новых лицензионных участков на основе интеллектуальных систем: анализ рисков и оценка экономической эффективности
Автор: Алексеева Н.А., Марковина Е.В., Мухина И.А., Рыжкова О.И., Коробейникова Л.Д.
Журнал: Вестник Алтайской академии экономики и права @vestnik-aael
Рубрика: Экономические науки
Статья в выпуске: 11-2, 2025 года.
Бесплатный доступ
Актуальность темы исследования обусловлена высокой капиталоемкостью и рисками при освоении новых лицензионных участков в нефтегазовой отрасли. Традиционные методы оценки сталкиваются с проблемами: использованием устаревшей документации, отсутствием развитой инфраструктуры для обустройства месторождений, необходимостью одновременного учета огромного массива разнообразных параметров и колоссальными временными затратами. Это требует разработки новых, интеллектуальных инструментов для принятия эффективных инвестиционных решений. Цель исследования – оценить возможности и эффективность применения специализированных программных комплексов для анализа и оптимизации освоения новых лицензионных участков с целью минимизации рисков и максимизации экономического эффекта. Методы исследования включали анализ существующих рисков, описание и оценку работы интеллектуальных модулей отечественной разработки, применяющих методы Монте-Карло и k-средних для кластеризации и оптимизации, а также апробацию модифицированных алгоритмов на реальном объекте. Систематизированы ключевые риски, связанные с оценкой новых участков. Описаны принципы работы корпоративных интеллектуальных систем управления и их модулей. Проанализированы преимущества и недостатки алгоритмов кластеризации, предложены модификации для нейтрализации отрицательных эффектов. Предложено использование модифицированных алгоритмов в рамках интеллектуальных систем для комплексной оценки участков, оптимизации размещения фонда скважин и инженерной инфраструктуры, которые способны существенно увеличить технико-экономические показатели инвестиционных проектов в нефтяной отрасли.
Цифровые технологии, искусственный интеллект, машинное обучение, опти- мизация, кустование, лицензионный участок, скважина
Короткий адрес: https://sciup.org/142246889
IDR: 142246889 | УДК: 338.27 | DOI: 10.17513/vaael.4424