Повышение эффективности подбора режимных параметров в технических системах с переменной структурой на основе информационно-аналитической системы прогнозирования производственных показателей тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Жданов Андрей Андреевич

• Жданов Андрей Андреевич
• кандидат наук
• 2020

Оглавление диссертации кандидат наук Жданов Андрей Андреевич

ВВЕДЕНИЕ

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ВОПРОСЫ АНАЛИЗА И ПРОГНОЗИРОВАНИЯ ПРОИЗВОДСТВЕННЫХ ПОКАЗАТЕЛЕЙ В ТЕХНИЧЕСКИХ СИСТЕМАХ С ПЕРЕМЕННОЙ СТРУКТУРОЙ

1.1 Особенности прогнозирования производственных показателей в технических системах с переменной структурой

1.2 Теоретические вопросы исследования и анализа временных рядов информационных потоков данных в технических системах

1.3 Специфика постановки задачи прогнозирования информационных потоков данных в технических системах с переменной структурой

1.4 Проблема неопределенности информации в технических системах с переменной структурой

1.5 Аналитический обзор моделей и методов прогнозирования производственных показателей

1.6 Выводы и результаты

ГЛАВА 2. АНАЛИЗ, ПРОГНОЗИРОВАНИЕ И КОНЦЕПЦИЯ ПОДБОРА РЕЖИМНЫХ ПАРАМЕТРОВ ИНФОРМАЦИОННЫХ ПОТОКОВ В ТЕХНИЧЕСКИХ СИСТЕМАХ С ПЕРЕМЕННОЙ СТРУКТУРОЙ

2.1 Состав и структура информационных потоков данных в технических системах с переменной структурой

2.2 Анализ и обработка временных рядов производственных данных в технических системах с переменной структурой

2.3 Формализация математической модели технической системы с переменной структурой

2.4 Математическая модель прогнозирования производственных показателей строительства газовых скважин

2.5 Обоснование выбора метода прогнозирования производственных показателей

2.6 Концепция прогнозирования производственных показателей и подбора режимных параметров в технических системах с переменной структурой

2.7 Выводы и результаты

ГЛАВА 3. ФУНКЦИОНАЛЬНАЯ СТРУКТУРА И МАТЕМАТИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ИНФОРМАЦИОННО-АНАЛИТИЧЕСКОЙ СИСТЕМЫ ПРОГНОЗИРОВАНИЯ ПРОИЗВОДСТВЕННЫХ ПОКАЗАТЕЛЕЙ И ПОДБОРА РЕЖИМНЫХ ПАРАМЕТРОВ

3.1 Информационно-измерительная система сбора, первичной обработки, передачи и хранения информации

3.2 Подсистема обработки данных и структурной идентификации однородных производственных циклов

3.3 Подсистема сценарного анализа производственных показателей

3.4 Подсистема прогнозирования производственных показателей

3.5 Функционал подсистемы подбора режимных параметров по минимуму продолжительности строительства газовых скважин

3.6 Выводы и результаты

ГЛАВА 4. ПРАКТИЧЕСКИЕ РЕЗУЛЬТАТЫ ПРОГНОЗИРОВАНИЯ ПРОИЗВОДСТВЕННЫХ ПОКАЗАТЕЛЕЙ И ПОДБОРА РЕЖИМНЫХ ПАРАМЕТРОВ СТРОИТЕЛЬСТВА ГАЗОВЫХ СКВАЖИН С ИСПОЛЬЗОВАНИЕМ АИС

4.1 Результаты интеграции АИС в информационное поле бурового предприятия

4.2 Результаты функционирования подсистемы обработки производственных данных

4.3 Результаты функционирования подсистемы анализа производственных показателей

4.4 Результаты функционирования подсистемы прогнозирования производственных показателей

4.5 Результаты подбора режимных параметров строительства газовых скважин

4.6 Выводы и результаты

ЗАКЛЮЧЕНИЕ

СПИСОК ЛИТЕРАТУРЫ

Приложение А. Кривые временных рядов динамики проходки газовыми

скважинами

Приложение Б. Копия акта о внедрении результатов диссертации

Приложение В. Свидетельство о государственной регистрации программы для

ЭВМ

Приложение Г. Характеристики статистического распределения для обучающей и

тестовой выборочных совокупностей

Приложение Д. Динамика продолжительности крепления скважин обсадными

колоннами и НПВ

Приложение Е. Результаты сценарного анализа продолжительности крепления

скважин обсадными колоннами и НПВ

Приложение Ж. Результаты преобразования временных рядов бурения газовых

скважин

Приложение И. Результаты формирования ансамблей скорости бурения газовых

скважин

Приложение К. Результаты сценарного анализа скорости бурения газовых скважин

Введение диссертации (часть автореферата) на тему «Повышение эффективности подбора режимных параметров в технических системах с переменной структурой на основе информационно-аналитической системы прогнозирования производственных показателей»

ВВЕДЕНИЕ

Актуальность темы. Производственные предприятия наращивают объемы выпуска продукции и количество выполняемых работ. При этом экономические условия предъявляют все более жесткие требования к эффективности функционирования технико-технологической и организационно-плановой деятельности.

Одним из направлений совершенствования системы управления предприятиями, объекты деятельности которых представлены техническими системами с переменной структурой, является повышение эффективности подбора режимных параметров, соответствующих лучших производственным практикам.

Технические системы с переменной структурой характеризуются изменяющимися во времени и по составу процессами изготовления или строительства производственных объектов. Выполнение отдельных технологических операций в таких системах сопровождается возникновением сложных нерегулярных вариаций, а также влиянием разного рода нелинейных и нестационарных эффектов.

Производственные показатели, характеризующие общую результативность функционирования технических систем с переменной структурой, содержат колеблющиеся во времени помехи, пропуски данных, технический брак и другие случайные эффекты, приводящие к сложному характеру неопределенности и высокому риску при принятии управленческих решений.

Снижение информационной неопределенности может быть осуществлено посредством обработки и анализа больших объемов ретроспективных информационных потоков, содержащих производственную и технологическую информацию о результатах функционирования технических систем, подобных прогнозируемой.

В целях обеспечения качественной и своевременной реализации процессов регистрации, сбора, хранения, обработки, анализа и прогнозирования производственных показателей, а также повышения эффективности подбора режимных параметров в технических системах с переменной структурой, особую актуальность приобретают вопросы разработки и внедрения автоматизированных информационных систем АИС.

Интеграция отдельных АИС в информационное поле производственных предприятий в настоящее время находится в стадии активного развития. В то же время автоматизация процессов прогнозирования производственных показателей и подбора режимных параметров в технических системах с переменной структурой развита слабо, что приводит к увеличению затрат времени на выработку управленческих решений и недостаточно эффективному управлению указанными системами.

В указанных условиях разработка автоматизированной информационной системы с соответствующим математическим и алгоритмическим обеспечением для прогнозирования производственных показателей и подбора оптимальных режимных параметров в технических системах с переменной структурой является актуальной темой исследования.

Объект исследования - технические системы с переменной структурой.

Предмет исследования - прогнозирование производственных показателей и подбор режимных параметров с использованием информационно-аналитической системы.

Целью работы является повышение эффективности производственной деятельности за счет подбора оптимальных режимных параметров в технических системах с переменной структурой на основе информационно-аналитической системы с разработанным математическим и алгоритмическим обеспечением расчетных модулей подсистем обработки, анализа и прогнозирования производственных показателей.

Для достижения цели были поставлены и решены следующие задачи:

1. Рассмотреть особенности функционирования технических систем с переменной структурой в контексте решения задачи прогнозирования производственных показателей.

2. Провести анализ состава и структуры информационных потоков данных в технических системах с переменной структурой.

3. Формализовать математическую модель и подобрать метод прогнозирования производственных показателей, учитывающие специфику и характер неопределенности информационных потоков данных в технических системах с переменной структурой.

4. Разработать концепцию информационно-аналитической системы прогнозирования производственных показателей и подбора режимных параметров.

5. Разработать функциональную структуру входящих в АИС подсистем обработки, анализа и прогнозирования производственных показателей, обеспечивающих взаимосвязь информационно-аналитической системы с информационно-измерительной системой и подсистемой подбора режимных параметров.

6. Разработать математическое и алгоритмическое обеспечение для автоматизации функционирования входящих в структуру АИС расчетных модулей подсистем обработки, анализа и прогнозирования производственных показателей.

7. Разработать подход к автоматизации формирования режимных параметров, взаимоувязанных с прогнозными значениями производственных показателей, вырабатываемых АИС.

8. Осуществить внедрение автоматизированной информационно-аналитической системы прогнозирования производственных показателей и подбора режимных параметров в процесс строительства эксплуатационных газовых скважин. Провести оценку достигаемого эффекта.

Методы исследования. Для решения поставленных задач в ходе работы использовались методы системного анализа, анализа временных рядов, математического, вероятностного и ансамблевого моделирования и методы математической статистики.

Научная новизна и защищаемые положения заключаются в:

1. Формализации математической модели, подборе метода прогнозирования и разработке концепции информационно-аналитической системы прогнозирования производственных показателей и подбора режимных параметров, учитывающих состав и структуру информационных потоков данных, а также особенности функционирования технических систем с переменной структурой.

2. Разработке функциональных структур подсистем обработки, анализа и прогнозирования производственных показателей, обеспечивающих взаимосвязь информационно-аналитической системы с информационно-измерительной системой и подсистемой подбора режимных параметров.

3. Разработке математического и алгоритмического обеспечения для автоматизации функционирования расчетных модулей подсистем обработки, анализа и прогнозирования, реализующих функционал структурной идентификации однородных циклов с последующим статистическим анализом ретроспективных данных и расчетом прогнозных значений производственных показателей.

4. Разработке информационно-аналитической системы прогнозирования производственных показателей и подбора режимных параметров, предусматривающей автоматизацию формирования режимно -технологических и инструктивных карт для лучших производственных практик, соответствующих минимальной прогнозной продолжительности работ.

Достоверность и обоснованность результатов проведенных исследований подтверждается использованием системного подхода и математического аппарата к решению задач научного исследования; применением признанных научным сообществом литературных источников в предметной области решаемых задач; согласованностью проведенных научных исследований с практическим опытом и известными знаниями предметной области; апробацией, программной реализацией и результатами внедрения информационно-аналитической системы прогнозирования производственных показателей и подбора режимных параметров в информационное поле филиала «Краснодар бурение» ООО «Газпром бурение».

Практическая значимость работы. Разработанная информационно-аналитическая система прогнозирования производственных показателей и подбора режимных параметров позволила повысить эффективность процессов планирования производственной деятельности и обеспечить сокращение сроков строительства газовых скважин. Общая концепция информационно-аналитической системы, состав, структура, а также математическое и алгоритмическое обеспечение отдельных подсистем могут быть использованы в технических системах с переменной структурой

различной отраслевой принадлежности после их предварительной адаптации с учетом специфики информационных потоков данных.

Реализация и внедрение результатов работы. Результаты работы внедрены в процессы планирования производственной деятельности и технологического сопровождения строительства газовых скважин на базе филиала «Краснодар бурение» ООО «Газпром бурение» в виде информационно-аналитической системы прогнозирования производственных показателей и подбора режимных параметров.

Апробация работы. Основные положения работы докладывались на:

1) конкурсе инновационных проектов «Innotech-2016» (г. Краснодар, 2016);

2) конкурсе инновационных проектов «Умник-16». (г. Краснодар, 2016);

3) X научно-технической конференции молодых специалистов ООО «Газпром бурение» (г. Москва, 2017 год);

4) конкурсе инновационных проектов «IQ года 2017» (г. Краснодар, 2017);

5) I научно-практической конференции молодых ученых и специалистов «Геологоразведка. Проблемы и пути их решения» (г. Тюмень, 2017 год);

6) V Международной научно-практической конференции «Автоматизированные информационные и электроэнергетические системы», посвященной 100-летию ФГБОУ ВО «Кубанский государственный технологический университет» (г. Краснодар, 2017 год);

7) XX Научно-практической конференции молодых ученых и специалистов «Проблемы развития газовой промышленности» (г. Тюмень, 2018 год);

8) заседании Государственной экзаменационной комиссии института компьютерных систем и информационной безопасности ФГБОУ ВО «Кубанский государственный технологический университет» (г. Краснодар, 2019).

Публикации. Результаты диссертационного исследования представлены в 19 печатных работах, в том числе в 7 статьях, опубликованных в журналах из перечня ведущих научных журналов и изданий, рецензируемых ВАК, в 1 статье, опубликованной в научном журнале, индексируемом в Scopus, в 3 статьях, опубликованных в научных журналах, в 7 научных статьях, опубликованных в сборниках докладов

по результатам международных научных конференций и 1 свидетельстве о государственной регистрации программы для ЭВМ.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 136 наименований и 9 приложений. Работа изложена на 147 страницах основного текста, содержит 30 рисунков и 13 таблиц.

В первой главе проводится обзор литературных источников с обобщением основных понятий теории исследования и анализа временных рядов, раскрывается сущностное содержание теоретического аппарата прогнозирования: понятие, принципы, проблемы и задачи; а также практического инструментария, включающего вопросы моделирования и методического обеспечения систем прогнозирования.

Рассматриваются особенности технических систем с переменной структурой, а также состав и структура информационных потоков, оказывающих воздействие на систему, анализируются причины недостаточной точности прогнозирования производственных показателей в зависимости от присущего технической системе характера неопределенности.

Проводится аналитический обзор моделей и методов в контексте решения задачи прогнозирования производственных показателей, по результатам которого проводится разработка алгоритма выбора оптимального метода прогнозирования, учитывающего характер неопределенности информации.

Во второй главе рассматривается информационная модель технической системы с переменной структурой, к числу особенностей которой в контексте решения задачи прогнозирования относится наличие не изменяющихся во времени случайных факторов, разнообразие условий протекания процессов и искажение полезного сигнала.

Проводится декомпозиция типовой структуры производственных процессов в сложных технических системах и анализ временных рядов производственных показателей на примере технической системы бурения газовых скважин, в ходе которого установлено наличие цикличности строительных работ, затухание или возрастание отслеживаемого показателя вблизи границ, а также влияние нерегулярных случайных эффектов.

Рассматривается общий вид математической модели технической системы с переменной структурой с привязкой к информационной модели данных, на основании которой проводится разработка структурной математической модели бурения газовых скважин, расширяющей область действия математических моделей механической скорости бурения за счет учета влияния вспомогательных работ и НПВ в процессе строительства газовых скважин.

Проводится формализация частной математической модели полного цикла строительства газовых скважин, обеспечивающей преобразование входных потоков технологических (режимных) параметров в выходные потоки производственных показателей. Для нахождения численных значений регрессионных компонент используется метод статистического сценарного анализа ретроспективных данных по объектам со схожими горно-геологическими, технологическими и техническими условиями.

Воздействие нелинейности, обусловленной структурными изменениями, ресурсными ограничениями и воздействием «малых факторов», приводит к неустранимой нестационарности, неопределенности состава и структуры выходных данных и неопределенности меры влияния факторов внутренней и внешней среды на преобразование входного потока данных в выходной. С учетом установленного характера неопределенности сделаны выводы о приоритетности использования методов аналогового и нормативного прогнозирования.

Предлагается подход к повышению эффективности процесса строительства эксплуатационных газовых скважин на основе использования алгоритма подбора оптимальных режимных параметров и организационно -управленческих решений на базе статистической обработки ретроспективной информации о фактически достигнутых производственных показателях на объектах-аналогах.

Приводится обоснование необходимости разработки и автоматизации расчетных модулей информационно-аналитической системы, реализующей функции регистрации, сбора, передачи, хранения, обработки, анализа и прогнозирования производственной, технологической и иной информации, генерируемой производственными объектами, что позволит осуществлять подбор оптимальных режимных

параметров и исключить риск принятия некорректных решений, опирающихся на результаты ручной обработки информации.

В третьей главе рассматриваются вопросы разработки математического и алгоритмического обеспечения для автоматизации функционирования подсистем обработки, анализа и прогнозирования производственных показателей в составе автоматизированной информационной системы, обеспечивающей подбор оптимальных режимных параметров.

Рассматриваются вопросы сбора, передачи и хранения данных с использованием информационно-измерительных систем, в результате функционирования которых обеспечивается формирование структурированных по времени и глубине технологических параметров и контекстной информации, что является необходимым условием для последующей обработки, анализа и прогнозирования продолжительности строительных работ в неразрывной связи с требуемым набором действий по ее достижению.

Проводится разработка математического и алгоритмического обеспечения подсистемы обработки данных для идентификации однородных участков строительства, соответствующих видам работ, видам строительных работ и видам рабочего времени.

Проводится разработка математического и алгоритмического обеспечения, реализующего функционал сценарного и ансамблево-сценарного статистического анализа ретроспективных данных, позволившего автоматизировать функционирование расчетных модулей подсистемы анализа, входящей в состав информационной системы прогнозирования производственных показателей.

Выполняется разработка математического и алгоритмического обеспечения расчетных модулей подсистемы прогнозирования производственных показателей, позволившего автоматизировать процесс нахождения подобных объектов и расчет оптимальной прогнозной продолжительности строительных работ в технических системах с переменной структурой по минимуму критерия МАРЕ.

Предлагается подход к повышению эффективности производственной деятельности в технических системах с переменной структурой за счет автоматизации

формирования и трансляции лучших практик строительства в виде режимно-тех-нологических и инструктивных карт, соответствующих минимуму прогнозной продолжительности производственных показателей, генерируемых АИС прогнозирования.

В четвертой главе рассматриваются особенности интеграции разработанного математического и алгоритмического обеспечения автоматизированной информационно-аналитической системы прогнозирования производственных показателей и подбора режимных параметров в информационное поле предприятий, выполняющих работы по бурению газовых скважин.

Приводятся результаты, вырабатываемые подсистемами обработки, анализа и прогнозирования производственных показателей с интегрированным математическим и алгоритмическим обеспечением, позволившим автоматизировать функционирование расчетных модулей информационной системы прогнозирования производственных показателей.

Проводится расчет ошибки точности прогнозирования производственных показателей по критерию МАРЕ при использовании АИС с интегрированным математическим и алгоритмическим обеспечением в сравнении с альтернативным методом нормативного прогнозирования.

Приводятся результаты формирования сценарных нормативных карт и графиков глубина-день строительства газовых скважин, используемых в процессах планирования производственной деятельности на буровых предприятиях.

Приводятся результаты подбора оптимальных режимных параметров и их трансляции на производственные объекты посредством автоматизированного пересчета режимно-технологических и инструктивных карт по минимуму продолжительности выполнения технологических операций для анализируемой группы подобных объектов, что обеспечивает сокращение продолжительности и стоимости строительства эксплуатационных газовых скважин в прогнозном периоде.

В заключении представлены основные результаты диссертационного исследования с подведением итогов выполненной работы.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ ВОПРОСЫ АНАЛИЗА И

ПРОГНОЗИРОВАНИЯ ПРОИЗВОДСТВЕННЫХ ПОКАЗАТЕЛЕЙ В

ТЕХНИЧЕСКИХ СИСТЕМАХ С ПЕРЕМЕННОЙ СТРУКТУРОЙ

1.1 Особенности прогнозирования производственных показателей в технических системах с переменной структурой

Технические системы неразрывным образом связаны с практикой человеческой деятельности и встречаются в различных отраслях народного хозяйства.

Под технической системой следует понимать объект или их совокупность, состоящую из набора связанных между собой подсистем, компонентов и элементов, соединенных между собой связями и объединенных общей целью функционирования. Важной отличительной особенностью технических систем является их материальное воплощение в виде набора средств производства, материалов, конструктивных элементов и соединений.

В зависимости от конечной цели функционирования технической системы, можно выделить системы с переменной и постоянной структурой производимого объекта или изделия.

Системы с постоянной структурой характерны для объектов, в ходе производства или изготовления которых состав операций и внешние условия протекания процессов остаются неизменными на протяжении всего рабочего времени. Такие системы характерны для серийного производства изделий, трубопроводного транспорта и других производственных объектов. Типовая схема функционирования такой системы приведена на рисунке 1.

На вход технической системы подается вектор исходных данных ^, в соответствии с которым субъектом управления вырабатывается вектор управляющих воздействий 11] на объект управления. Объект управления под воздействием вектора

управляющих воздействий и факторов внешней среды 1 вырабатывает управляющее воздействие на целевой объект или изделие в виде вектора информационного

потока технологических данных Тк. Целевой объект функционирования технической системы под воздействием информационного потока технологических данных и факторов внешней среды 2" генерирует информационный поток производственных данных Рг, содержащий информацию о результатах функционирования системы. Обратная связь реализовывается векторами и' и и".

Рисунок 1 - Типовая схема функционирования технической системы

Для систем с переменной структурой характерны изменяющиеся во времени и по составу процессы изготовления или строительства конечного объекта, что связано с его конструктивными и технологическими особенностями. Важно отметить, что подсистема - объект управления технической системы остается неизменной так же, как и для системы с постоянной структурой. Цели функционирования системы в таком случае достигаются за счет подстройки управляющего воздействия на основании получаемой от объекта обратной связи.

Системы с переменной структурой характерны для строительства промышленных и гражданских объектов, бурения газовых скважин и иных видов деятельности, связанных с набором сменяющих друг друга циклов работ. Обобщенная схема функционирования указанного класса систем приведена на рисунке 2.

В частности, для технической системы, реализующей процесс бурения газовых скважин, цикл строительства может быть представлен как периодически по-

вторяющаяся совокупность производительных и непроизводительных последовательно-параллельных технологических операций, отдельные группы которых, в зависимости от промежуточной цели, объединяются в виды этапов работ, а виды этапов работ, в зависимости от общности условий протекающих процессов - в виды строительных работ [36].

Рисунок 2 - Общая схема функционирования технической системы с переменной

структурой

Рассмотрение технической системы как объекта прогнозирования может быть выполнено на разных уровнях иерархии для отдельных подсистем в зависимости от целей исследования, среди которых:

1) задача управления запасами. Сущность задачи заключается в комплексной оценке производственной деятельности предприятия с целью определения требуемых номенклатур отдельных материально-технических ресурсов и их оптимального количества на основании анализа интенсивности производственной деятельности и степени вовлекаемости запасов в производственный процесс.

Внешним проявлением эффективности решения задачи управления запасами является, с одной стороны, сокращение неликвидных ресурсов предприятия и, с другой стороны, предотвращение остановок в работе, связанных с невозможностью оперативной замены вышедших из строя деталей технических систем;

2) задача управления технологическими процессами и рисками. Сущность задачи заключается в отслеживании и прогнозировании будущих значений ключевых

параметров протекающих процессов, что позволит определить момент времени, длительность и силу управляющего воздействия на анализируемую систему для корректировки ее отклонений от целевой функции;

3) задача прогнозирования производственной деятельности. Сущность задачи заключается в определении продолжительности выполнения отдельных видов работ и операций, что позволит оптимально распределить основные фонды предприятия, требуемые для их выполнения.

Для решения задачи эффективного прогнозирования производственной деятельности, в качестве оптимального решения может быть предложена оценка скорости достижения конечной цели функционирования технической системы.

В основу предложенного подхода к прогнозированию заложена предпосылка о том, что конечный объект представляет собой совокупный результат функционирования технической системы.

На рисунке 3 представлена техническая система с переменной структурой с выделенной системой и объектом управления. В качестве системы управления выступает человеко-машинная подсистема, вырабатывающая информационные потоки технологических данных, направленных на строительство объекта управления.

В качестве примера технической системы с переменной структурой рассмотрим процесс бурения газовых скважин. В качестве субъекта системы управления выступает персонал, в качестве объекта системы управления - буровая установка с комплексом входящего в ее состав оборудования, объектом управления является бурящаяся скважина. Выходной информационный поток производственных данных в рассмотренной технической системе содержит в себе информацию о результатах бурения газовых скважин.

Производственный объект выступает в качестве преобразователя набора входной технологической информации, исходящей от технической системы, в информацию о результатах производственной деятельности.

Ключевым преимуществом предложенного подхода к прогнозированию производственных показателей является многократное снижение количества параметров, требуемых для построения математических моделей процессов, что особенно актуально для сложных технических систем.

Список литературы диссертационного исследования кандидат наук Жданов Андрей Андреевич, 2020 год

СПИСОК ЛИТЕРАТУРЫ

1. Абдрахманова Л.Г. Прогнозирование и диагностика зон поглощения бурового раствора по комплексу геофизических и других методов: автореф. дис. ... канд. геолого-минералогич. наук. - Государственная академия нефти и газа, Москва, 1995. - 22 с.

2. Айвазян С.А. Прикладная статистика и основы эконометрики: Учебник для вузов / Айвазян С.А., Мхитарян В.С. - М.: ЮНИТИ, 1998. - 1022 с.

3. Айвазян С.А. Прикладная статистика: исследование зависимостей. Справочное издание / Айвазян С.А., Енюков И.С., Мешалкин Л.Д.; под ред. Айвазяна С.А. - М.: Финансы и статистика, 1985. - 487 с.

4. Айвазян С.А. Прикладная статистика: основы моделирования и первичная обработка данных. Справочное пособие / Айвазян С.А., Енюков И.С., Мешалкин Л.Д.; под ред. Айвазяна С.А. - М.: Финансы и статистика, 1983. - 471 с.

5. Андерсон Т. Статистический анализ временных рядов / Андерсон Т. - М: Мир, 1976. - 756 с.

6. Артёмов А.В. Математические модели временных рядов с трендом в задачах обнаружения разладки: дис. ... канд. физ.-мат. наук. - Институт проблем передачи информации им. А.А. Харкевича РАН, Москва, 2016. - 123 с.

7. Архипов И.С. Организация сбора технологических данных с буровой и передачи данных в централизованное хранилище / Архипов И.С. // Молодой ученый. - 2018. - № 15. - С. 99-103.

8. Астахова Е.Д. Ансамблевый среднесрочный прогноз погоды: реализация технологии на современной компьютерной базе / Астахова Е.Д. // Труды Гидрометеорологического научно-исследовательского центра Российской Федерации. -2011. - № 346. - С. 33-46.

9. Афанасьев В.Н. Анализ временных рядов и прогнозирование: Учебник / Афанасьев В.Н., Юзбашев М.М. - М.: Финансы и статистика, 2001. - 228 с.: ил.

10. Бабешко Л.О. Основы эконометрического моделирования: Учебное пособие / Бабешко Л.О. - 2-е исправл. - М.: КомКнига, 2006. - 432 с.

11. Балонишников А.М. Прогнозирование временных рядов методами Фар-мера-Сидоровича и Бокса-Дженкинса / Балонишников А.М., Балонишникова В.А., Копыльцов А.В. // Известия Российского государственного педагогического университета им. А.И. Герцена. - 2011. - № 141. - С. 7-16.

12. Бартлетт М.С. Введение в теорию случайных процессов / Бартлетт М.С. -М: Изд-во иностр. лит., 1958. - 384 с.

13. Басарыгин Ю.М. Осложнения и аварии при бурении нефтяных и газовых скважин: Учеб. для вузов. / Басарыгин Ю.М., Булатов А.И., Проселков Ю.М. - М.: ООО «Недра-Бизнесцентр», 2000. - 680 с.

14. Басарыгин Ю.М. Технология бурения нефтяных и газовых скважин: Учеб. для вузов. / Басарыгин Ю.М., Булатов А.И., Проселков Ю.М. - М.: ООО «Недра-Бизнесцентр», 2001. - 674 с.

15. Бирман Э.Г. Сравнительный анализ методов прогнозирования / Бирман Э.Г // НТИ. Сер.2. - 1986. - №1. - С. 11-16.

16. Бокс Дж. Анализ временных рядов, прогноз и управление. Пер. с англ. / Бокс Дж., Дженкинс Г.М.; под ред. Писаренко В.Ф. - М.: Мир, 1974, кн. 1. - 406 с.

17. Боровков А.А. Математическая статистика / Боровков А.А. - М.: Физмат-лит, 2007. - 704 с.

18. Бриллинджер Д. Временные ряды. Обработка данных и теория / Бриллин-джер Д. - М.: Мир. -1980. - 536 с.

19. Булатов А.И. Контроль процессов бурения нефтяных и газовых скважин / Булатов А.И., Демихов В.И, Макаренко П.П. - М.: ОАО Издательство «Недра», 1998. - 345 с.

20. Булюкова Ф.З. Прогнозирование и предупреждение осложнений, обусловленных упругим смещением стенок скважины: дис. ... канд. техн. наук. -Уфимский государственный нефтяной технический университет, Уфа, 2011. -142 с.

21. Вапник В.Н. Восстановление зависимостей по эмпирическим данным / Ва-пник В.Н. - М.: Наука, 1979. - 448 с.

22. Власенко А.В. Восстановление модели динамической нелинейной системы по порождаемому ей временному ряду / Власенко А.В., Жданов А.А. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. - 2017. - № 129. - С. 79-92.

23. Власенко А.В. Дискретные отображения как способ описания нелинейных динамических систем / Власенко А.В., Жданов А.А. // Актуальные научные исследования в современном мире. - 2017. - № 5-4 (25). - С. 41-45.

24. Власенко А.В. Исследование математической модели скорости бурения нефтяных и газовых скважин / Власенко А.В., Жданов А.А. // В сборнике: Материалы конференций ГНИИ «НАЦРАЗВИТИЕ». Август 2017 Сборник избранных статей. - 2017. - С. 78-80.

25. Власенко А.В. Исследование перспектив прогнозирования нелинейных временных рядов на примере бурения нефтяных и газовых скважин / Власенко А.В., Жданов А.А. // Электронный сетевой политематический журнал «Научные труды КубГТУ». - 2018 год. - № 3. - С. 131-133.

26. Власенко А.В. Ключевые вопросы анализа календарного времени бурения нефтяных и газовых скважин / Власенко А.В., Жданов А.А. // В сборнике: Технические науки: тенденции, перспективы и технологии развития. Сборник научных трудов по итогам международной научно-практической конференции. - 2017. -С. 6-9.

27. Власенко А.В. Методика вероятностного прогноза нестационарных временных рядов / Власенко А.В., Жданов А.А. // В сборнике: Наука нового времени: от идеи к результату. Сборник научных статей по итогам международной научно-практической конференции. - 2017. - С. 113-117.

28. Власенко А.В. Некоторые аспекты прогнозирования скорости бурения нефтяных и газовых скважин / Власенко А.В., Жданов А.А. // Актуальные научные исследования в современном мире. - 2017. - № 5-4 (25). - С. 36-40.

29. Власенко А.В. Обобщение алгоритма прогнозирования временных рядов производственных систем / Власенко А.В., Жданов А.А. // Вестник Адыгейского

государственного университета. Серия 4: Естественно-математические и технические науки. - 2019 год. - № 1 (236). - С. 67-73.

30. Власенко А.В. Обобщенный алгоритм предварительной обработки данных для прогнозирования временных рядов производственных систем / Власенко А.В., Жданов А.А. // Вестник компьютерных и информационных технологий. - 2019 год. - № 9 (183). - С. 3-10.

31. Власенко А.В. Описание нелинейных динамических систем с помощью дискретных отображений / Власенко А.В., Жданов А.А. // Электронный сетевой политематический журнал «Научные труды КубГТУ». - 2017 год. - №2 3. - С. 11-19.

32. Власенко А.В. Особенности прогнозирования скорости бурения нефтяных и газовых скважин / Власенко А.В., Жданов А.А. // Электронный сетевой политематический журнал «Научные труды КубГТУ». - 2017 год. - № 3. - С. 1-10.

33. Власенко А.В. Предварительная обработка временных рядов производственных систем / Власенко А.В., Жданов А.А. // Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки. - 2018 год. - № 4 (231). - С. 226-233.

34. Власенко А.В. Разработка алгоритма прогнозирования временных рядов нелинейных динамических систем / Власенко А.В., Жданов А.А. // Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки. - 2017 год. - № 3 (206). - С. 143-148.

35. Власенко А.В. Разработка топологии нейронной сети для прогнозирования нестационарных временных рядов / Власенко А.В., Жданов А.А. // Евразийское научное объединение. - 2018 год. - Т.1. - № 12 (46). - С. 73-76.

36. Власенко А.В. Структурная декомпозиция производственной системы с применением двухкритериального параметрического оценивания / Власенко А.В., Жданов А.А. // Вестник Адыгейского государственного университета. Серия 4: Естественно-математические и технические науки. -2019 год. -№ 2(241). -С.41-46.

37. Власенко А.В. Формализация представлений о производственной системе на примере процесса бурения нефтяных и газовых скважин / Власенко А.В., Жданов А.А. // Евразийское научное объединение. - 2018 год. -Т.1. -№ 5(39). -С.43-46.

38. Войтенко В.С. Прогнозирование, предупреждение и использование неустойчивости стволов скважин при бурении на подсолевые осложнения: дис. ... канд. техн. наук. - Московский ордена Трудового красного знамени институт нефтехимической и газовой промышленности им. И.М. Губкина, Москва, 1974. -296 с.

39. Воронцов К.В. Динамически адаптируемые композиции алгоритмов прогнозирования / Воронцов К.В., Егорова Е.В. // Искусственный интеллект. - 2006. -№ 2. С. 277-280.

40. Галеев С.Р. Прогнозирование параметров бурения для оптимизации проектирования строительства скважин / Галеев С.Р. и др. // Материалы II Международной научно-практической конференции «Булатовские чтения». Том 3: бурение нефтяных и газовых скважин, Краснодар, 31 марта 2018 г. - С. 66-72.

41. Гнеденко Б.В. Курс теории вероятностей / Гнеденко Б.В. - М.: Физматлит, 1961. - 406 с.

42. Горбань А.Н. Обобщенная аппроксимационная теорема и вычислительные возможности нейронных сетей / Горбань А.Н. // Сибирский журнал вычислительной математики. - 1998. - Т. 1. - №1. - С. 11-24.

43. Грибанов М.В. Совершенствование и реализация методик и программных средств по оптимизации параметров бурения скважин: дис. ... канд. техн. наук. -Ухтинский государственный технический университет, Ухта, 2012.-116с.

44. Григулецкий В.Г. Оптимальное управление при бурении скважин / Гри-гулецкий В.Г. - М.: Недра, 1988. - 229 с.: ил.

45. Датчик контроля перемещения инструмента ДКПИ-310. Руководство по эксплуатации Г.402148.001РЭ [Электронный ресурс]. ЦЕЬ: http://geosensor.ru/int/ site/products/sensor/position/dkpi/RE_DKPI_310.pdf (дата обращения 20.05.2018).

46. Друкер П.Ф. Эффективное управление предприятием / Друкер П.Ф. - М.: Вильямс, 2004. - 224 с.

47. Егошина О.А. Технико-экономический анализ эффективности использования основных средств (на примере предприятий нефтегазодобывающей отрасли):

дис. ... канд. экон. наук. - Сургутский государственный университет, Санкт-Петербург, 2004. - 178 с.

48. Единые нормы времени на бурение скважин на нефть, газ и другие полезные ископаемые с дополнениями [Электронный ресурс]. URL: http://www.li-bussr.ru/doc_ussr/usr_13204.htm (дата обращение 15.10.2017).

49. Ефимов И.Н. Компьютерное моделирование динамических систем / Ефимов И.Н., Морозов Е.А., Селиванов К.М. - Ижевск: Институт компьютерных исследований, 2014. - 134 с.

50. Жданов А.А. Комплексная методика прогнозирования временных рядов динамики проходки строительства нефтегазовых скважин на основе аддитивного структурного моделирования / Жданов А.А. / Вестник Астраханского государственного технического университета. Серия: Управление, вычислительная техника и информатика. - 2019 год. - № 4. - С. 18-27.

51. Жданов А.А. «TS predict» / Жданов А.А. // Свидетельство о государственной регистрации программы для ЭВМ № 2019613089. Зарегистрировано в реестре программ для ЭВМ 07.03.2019 г.

52. Журавлев Ю.И. Распознавание. Математические методы. Программная система. Практические применения / Журавлев Ю.И., Рязанов В.В., Сенько О.В. -М: Фазис, 2005. - 159 с.

53. Журов А.В. Информационно-математическая поддержка принятия решений при прогнозировании по временным рядам: Автореф. ... дис. канд. техн. наук. - Красноярский государственный аграрный университет, Красноярск, 2008. - 18 с.

54. Журов А.В. Система поддержки принятия решений при анализе временных рядов: Автореф. ... дис. канд. техн. наук. - Красноярский государственный аграрный университет, Красноярск, 2007. - 14 с.

55. Загоруйко Н.Г. Прикладные методы анализа данных и знаний / Загоруйко Н.Г. - Новосибирск: ИМ СО РАН, 1999. - 270 с.

56. Ивахненко А.Г. Обзор задач, решаемых по алгоритмам Метода Группового Учета Аргументов (МГУА) [Электронный ресурс] // Group Method Of Data

Handling. URL: http://www.gmdh.net/articles/rus/obzorzad.pdf (дата обращения 15.06.2017).

57. Илларионов М.Г. Прогнозирование на основе аппарата нейронных сетей / Илларионов М.Г., Кирпичников А.П., Латыпова Р.Р. // Вестник Казанского технологического университета. - 2012. - Т. 15. - № 1. - С. 163-164.

58. Ишемгужин Е.И. Обработка параметров бурения для оценки технического состояния глубинного оборудования / Ишемгужин Е.И., Надыршин Р.Ф., Шаисла-мов Ш.Г. // Электронный научный журнал Нефтегазовое дело. -2006. -№ 2. С. 1-10.

59. Кендэл М. Временные ряды / Кендэл М.; Пер. с англ. Лукашина Ю.П. - М.: «Финансы и статистика», 1981. - 191 с.

60. Кильдинов Г.С. Анализ временных рядов и прогнозирование / Кильдинов Г.С., Френкель А.А. - М.: Статистика, 1973. - 432 с.

61. Китова О.В. Метод машин опорных векторов для прогнозирования показателей инвестиций / Китова О.В., Колмаков И.Б., Пеньков И.А. // Экономика, статистика и информатика. Вестник УМО. - 2016. - № 4. - С. 27-30.

62. Кобзарь А.И. Прикладная математическая статистика. Для инженеров и научных работников / Кобзарь А.И. - М.: ФИЗМАТЛИТ, 2012. - 816 с.

63. Козадаев А.С. Предварительная оценка качества обучающей выборки для искусственных нейронных сетей в задачах прогнозирования временных рядов / Козадаев А.С // Вестник Тамбовского университета. Серия: Естественные и технические науки. - 2008. - Т. 13. - № 1. - С. 99-100.

64. Козадаев А.С. Прогнозирование временных рядов с помощью аппарата искусственных нейронных сетей. Краткосрочный прогноз температуры воздуха / Ко-задаев А.С., Арзамасцев А.А. // Вестник Тамбовского университета. Серия: Естественные и технические науки. - 2006. - Т. 11. - № 3. - С. 299-304.

65. Колмогоров А.Н. Интерполяция и экстраполяция стационарных случайных последовательностей / Колмогоров А.Н. // Изв. АН СССР. Сер. Матем. - 1941. - № 3. - Т. 5. - С. 18-24.

66. Королюк В.С. Справочник по теории вероятностей и математической статистике / Королюк В.С. [и др.]. - М.: Наука, 1985. - 640 с.

67. Котляров О.Л. Методы экстраполяции нерегулярных временных рядов: дис. ... канд. физ.-мат. наук. - Московский государственный университет им. М.В. Ломоносова, Москва, 2006. - 122 с.

68. Линд Ю.Б. Прогнозирование осложнений в процессе бурения с использованием технологии параллельных вычислений / Линд Ю.Б., Кабирова А.Р., Ну-рисламова Л.Ф. // Труды Международной научной конференции. Параллельные вычислительные технологии, Новосибирск, 26 - 30 марта 2012 г. - С. 571-576.

69. Лоскутов А.Ю. Анализ временных рядов. Курс лекций [Электронный ресурс] / Лоскутов А.Ю. ШЬ: http://chaos.phys.msu.ru/loskutov/PDF/Lectures_time_ series_analysis.pdf (дата обращения 25.07.2017).

70. Лугуманов М.Г. Современные технологии и технические средства для информационного обеспечения процесса бурения скважин / Лугуманов М.Г. и др. // НТВ «Каротажник». - 2005. - Выпуск 10-11. - С. 215-227.

71. Лукашин Ю.П. Адаптивные методы краткосрочного прогнозирования временных рядов / Лукашин Ю.П. - М.: Финансы и статистика, 2003. - 416 с.

72. Любимова Т.В. Решение задачи прогнозирования с помощью нейронных сетей / Любимова Т.В., Горелова А.В. // Инновационная наука. - 2015. - Т. 2. - № 4. - С. 39-43.

73. Мартынюк В.Ф. Методология применения анализа риска в целях обеспечения промышленной безопасности на объектах нефтегазового комплекса: дис. ... д-ра техн. наук. - Российский государственный университет нефти и газа им. И.М. Губкина, Москва, 2009. - 318 с.

74. Марьясов Д.А. Анализ и прогнозирование финансового риска на основе модели детерминированного хаоса: дис. ... канд. техн. наук. - Томский политехнический университет, Томск, 2007. - 166 с.

75. Матюха С.О. Создание программного комплекса для управления технологическим процессом бурения / Матюха С.О., Шевченко Н.Ю., Останкова Л.А. // Научный вестник ДГМА. - 2015. - № 3 (18Е). - С. 220-226.

76. Мирзазаде И.Х. Интеллектуальная система дифференциальной диагностики и мониторинга пациентов после отравления угарным газом / Мирзазаде И.Х., Нагизаде У.Р. // Евразийский союз ученых. - 2017. - № 6-1 (39). - С. 41-51.

77. Молчанов А.А. Использование GARCH модели для исследования динамики курса валют / Молчанов А.А. // Психолого-педагогический журнал Гауде-амус. - 2012. - Т. 2. - № 20. - С. 222-229.

78. Новиков Л.В. Основы вейвлет-анализа сигналов: учебное пособие / Новиков Л.В. - СПб.: Модус+, 1999. - 152 с.: ил.

79. Об утверждении инструкции по заполнению формы федерального государственного статистического наблюдения за строительством скважин на нефть и газ [Электронный ресурс]. URL: http://lawru.info/dok/1999/06/11/n407497.htm (дата обращения 23.09.2017).

80. Общее описание | 1С: Управление производственным предприятием | 1С: Предприятие 8 [Электронный ресурс]. URL: http://v8.1c.ru/enterprise/ (дата обращения 19.02.2019).

81. Общие сведения о бурении скважин и оборудовании, применяемом для осуществления этого процесса [Электронный ресурс]. URL: http://www.scriru.cOm/7/25/83413513111.php (дата обращения 17.03.2018).

82. Олдред Уолт. Автоматизация бурения [Электронный ресурс] / Олдред Уолт и др. // Нефтегазовое обозрение. - 2012. - Том 24. - № 2. - С. 22-35. URL: https://docplayer.ru/46091229-Avtomatizaciya-bureniya.html (дата обращения 30.09.2019).

83. Орман Л.М. Прогнозирование и предупреждение нарушений устойчивости стенок при бурении в осложненных условиях: дис. ... канд. технич. наук. -Ордена Трудового Красного Знамени Азербайджанский научно-исследовательский и проектный институт нефтяной промышленности, Баку, 1984. - 146 с.

84. Осминин К.П. Алгоритмы прогнозирования нестационарных временных рядов: дис. ... канд. физ.-мат. наук. - Московский государственный университет им. М.В. Ломоносова, Москва, 2008. - 136 с.

85. Полунин Ю.А. Нелинейные политические процессы / Полунин Ю.А., Тимофеев И.Н. - М.: МГИМО-Университет, 2009. - 204 с.

86. Поташев А.В. Интеграция математического моделирования и инновационных подходов к обучению в образовании: монография / Поташев А.В., Поташева Е.В., Сулейманова Д.Ю. - Москва: Русайнс, 2018. - 96 с.

87. Пригожин И. Философия нестабильности / Пригожин И. // Вопросы философии. - 1991. - № 6. - С. 46-52.

88. Прикладная статистика: классификация и снижение размерности. Справочное издание / Айвазян С.А. [и др.]; под ред. Айвазяна С.А. - М.: Финансы и статистика, 1989. - 607 с.

89. Применение нейронных сетей для задач классификации [Электронный ресурс]. - ШЬ: https://basegroup.ru/community/articles/classification (дата обращения 25.02.2019).

90. Приставка П.А. Экспериментальное исследование эффективности теоретико-информационных методов прогнозирования: дис. ... канд. техн. наук. - Сибирский государственный университет телекоммуникаций и информатики, Новосибирск, 2011. - 155 с.

91. Пучков Е.В. Разработка методов динамического построения искусственной нейронной сети на основе ряда Вольтерра и вейвлет-ядра / Пучков Е.В., Белявский Г.И. // Вестник Ростовского государственного университета путей сообщения. - 2015. - № 3 (59) - С. 127-131.

92. Родионов П.Е. Методика извлечения знаний в задачах анализа рядов динамики с использованием нейронных сетей: дис. ... канд. техн. наук. - Московский государственный технический университет им. Н.Э. Баумана, Москва, 2003.-169 с.

93. Рукавицын Я.В. Оптимизированная система проектирования строительства скважин на основе прогнозирования физико-геологических моделей околос-кважинного пространства / Рукавицын Я.В. // Строительство нефтяных и газовых скважин на суше и на море. - 2014. - № 7. - С. 4-10.

94. Самохин Д.А. Прогнозирование параметров режима разрушения горных пород механическими способами при бурении скважин: дис. ... канд. технич.

наук. - Институт горного дела Севера СО РАН и Технический институт Якутского государственного университета им. М.К. Аммосова, Нерюнгри, 2000.-139с.

95. Свешников А.А. Прикладные методы случайных функций / Свешников А.А. - М: Наука, 1968. - 172 с.

96. Свинцицкий С.Б. Прогнозирование горно-геологических условий проводки скважин в соленосных и глинистых отложениях с аномально высокими давлениями: дис. ... д-ра технич. наук. - Северо-Кавказский научно-исследовательский и проектный институт природных газов, Ставрополь, 2006. - 547 с.

97. Сенкевич Ю.И. К вопросу о выборе методов обработки электрофизиологических сигналов / Сенкевич Ю.И. // Врач и информационные технологии. - 2007. -№ 6. С. 57-64.

98. Симанков В.С. Аналитические информационные системы управления технологическими процессами: Монография / Симанков В.С., Ковардаков А.В. - Краснодар, 2006. - 272 с.

99. Системы технологического контроля параметров бурения СГТ-микро [Электронный ресурс]. - URL: https://all-pribors.ru/opisanie/20634-13-sgt-mikro-16371 (дата обращения 01.10.2019).

100. Солодухин А.М. Разработка методики определения электропотребления сельского хозяйства потребителей региона на перспективу: на примере Калужской области: дис. ... канд. техн. наук. - Московский государственный агроинженерный университет им. В.П. Горячкина, Москва, 2011. - 166 с.

101. Способы и относящиеся к ним системы построения моделей и прогнозирования операционных результатов операции бурения [Электронный ресурс]: пат. 2600497 Рос. Федерация: МПК E21B44 E21B 19/20 E21B 21/08 E21B 47/12 G06F17/50 / Жермэн О., Рангараджан К.П., Сингх А.К., Тениссен Х., Адари Р.Н.; заявитель и патентообладатель Лэндмарк графикс корпорейшн (US). - № 2014153646; заявл. 07.06.2013; опубл. 20.10.2016. - URL: https://findpatent.ru/pa-tent/260/2600497.html (дата обращения 01.10.2019).

102. Станция контроля процесса бурения «Леуза-2» [Электронный ресурс]. - URL: https://leuza.ru/old/leuza-2.htm (дата обращения 01.10.2019).

103. Статистический анализ [Электронный ресурс]. Ц^: http://old.exponenta.ru/educat/referat/XIkonkurs/student5/tabt-st.pdf (дата обращения 10.01.2019).

104. Тимина И.А. Автоматизированное проектирование на основе модели прогнозирования нечетких тенденций метрик проектной деятельности: дис. ... канд. техн. наук. - Ульяновский государственный технических университет, Ульяновск, 2015. - 176 с.

105. Тихонов Э.Е. Методы прогнозирования в условиях рынка: Учебное пособие / Тихонов Э.Е. - Невинномысск, 2006. - 221 с.

106. Фадеев Р.С. Методы оценки и прогнозирования уровня авиационной безопасности аэропорта в границах влияния человеческого фактора: дис. ... канд. техн. наук. - Московский государственный технический университет гражданской авиации, Москва, 2008. - 168 с.

107. Фатхутдинов И.Х. Прогнозирование и предупреждение осложнений при бурении глубоких скважин в неустойчивых глинисто-аргиллитовых отложениях: дис. ... канд. техн. наук. - Башкирский государственный университет, Уфа, 2004. - 185 с.

108. Хайкин С. Нейронные сети: полный курс, 2-е изд.: Пер. с англ. / Хайкин С. - М.: ООО «И.Д. Вильямс», 2006. - 1104 с.

109. Хамирзова С.К. Долгосрочное прогнозирование социально-экономического развития региона в условиях перехода на инновационную модель экономики / Хамирзова С.К., Кумпилова А.Р. // Новые технологии. - 2010. - № 3. - С. 83-88.

110. Храменков В.Г. Автоматизация управления технологическими процессами бурения нефтегазовых скважин. Учебное пособие / Храменков В.Г. - М.: Юрайт, 2016. - 416 с.

111. Цуприков А.А. Анализ математических моделей механической скорости проходки для оптимизации процесса бурения нефтегазовых скважин / Цуприков А.А. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. - 2015. - № 107. - С. 903-915.

112. Цуприков А.А. Математическая модель скорости проходки для оптимального управления бурением скважин / Цуприков А.А. // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. - 2015. - № 107. - С. 916-926.

113. Цуприков Л.А. Разработка системы адаптивного управления процессом роторного бурения нефтяных и газовых скважин: дис. ... канд. технич. наук. -Кубанский государственный технологический университет, Краснодар, 2008. -193 с.

114. Чистякова А.А. Разработка методов анализа неоднородных рядов динамики на основании статистических характеристик / Чистякова А.А. // ВосточноЕвропейский журнал передовых технологий. - 2014. - Т. 5. - № 4 (71). - С. 35-43.

115. Чучуева И.А. Модель прогнозирования временных рядов по выборке максимального подобия: дис. ... канд. техн. наук. - Московский государственный университет им. Н.Э. Баумана, Москва, 2012. - 155 с.

116. Шигина А.А. Адаптивная модель управления технологическим процессом в условиях неопределенности / Шигина А.А., Ступина А.А. // Современные наукоемкие технологии. - 2017. - № 5. - С. 83-88.

117. Эконометрия: Учебное пособие / В.И. Суслов [и др.]. - Новосибирск: Изд-во СО РАН, 2005. - 744 с.

118. Юнин Е.К. Динамика бурения нефтяных и газовых скважин: Учебное пособие / Юнин Е.К. - Ухта: УГТУ, 2004. - 90 с.

119. Akaike H. A new look at the statistical model identification // IEEE Transactions on Automatic Control. - 1974. - Vol. 19 (6). - P. 716-723.

120. Akgun F. Drilling rate at the technical limit / Akgun F. // Int. J. Pet. Sci. Tech-nol. - 2007. - № 1. - P. 99-118.

121. Bataee M. Application of Artificial Intelligent Systems in ROP Optimization / Bataee M. et al. // In Middle East Unconventional Gas Conference and Exhibition. - 2011.

122. Bradley Efron. Bootstrap Methods: Another Look at the Jackknife / Bradley Efron // Annals of Statistics. - 1979. - Vol. 7. - № 1. - P. 1-26.

123. Cohn S. An introduction to estimation theory / Cohn S. // Journal of the Meteorological Society of Japan. - 1997. - Vol. 75. - P. 257-288.

124. Draper N. Applied regression analysis / Draper N., Smith H. - New York: Wiley, In press, 1981. - 693 p.

125. Engle R.F. Autoregressive Conditional Heteroskedastisity with Estimates of the Variance of U.K. Inflation / Engle R.F. // Econometrica. - 1982. - Vol. 50. - P. 9871007.

126. Evensen G. Data Assimilation: The Ensemble Kalman Filter / Evensen G. -Berlin: Springer-Verlag, 2007. - 279 p.

127. Evensen G. Ensemble Kalman Filter: theoretical formulation and practical implementation / Evensen G // Ocean Dynamics. - 2003. - № 53. - P. 343-367.

128. Jahanbakhshi R. Real-time Prediction of Rate of Penetration During Drilling Operation In Oil And Gas Wells / Jahanbakhshi R. // In American Rock Mechanics Association. - 2012. - 127 p.

129. Medio A. Chaotic Dynamics theory and Application to Economics / Medio A.

- Cambridge: Cambridge University Press. - 1999. - 344 p.

130. Monazami M. Drilling rate of penetration prediction using artificial neural network: a case study of one of Iranian southern oil fields / Monazami M., Hashemi A., Shahbazian M. // Electronic scientific journal «Oil and Gas Business». - 2012. - № 6. -P. 21-32.

131. Ott E. A local ensemble Kalman filter for atmospheric data assimilation / Ott E., Hunt B.H., Szunyogh I. et al. // Tellus. - 2004. - Vol. 56A. - P. 415-498.

132. Prajakta S.K. Time series Forecasting using Holt-Winters Exponential Smoothing [Электронный ресурс] // Kanwal Rekhi School of Information Technology Journal.

- 2004. URL: http://www.it.iitb.ac.in/~praj/acads/seminar/0439008_ExponentialS-moothing.Pdf (дата обращения 22.01.2018).

133. Shadizadeh S. Drilling Stuck Pipe Prediction in Iranian Oil Fields: An Artificial Neural Network Approach / Shadizadeh S. // Iranian Journal of Chemical. - 2010. - № 7 (4). P. 29-41.

134. Vinyals O. A neural conversational model / Vinyals O., Le Q. - 2015. URL: https://arxiv.org/pdf/1506.05869.pdf (дата обращения 20.08.2016).

135. Vlasenko A.V. Investigation of prospects for forecasting non-linear time series by example of drilling oil and gas wells / Vlasenko A.V., Zhdanov A.A., Sizonenko A.B. / Journal of Physics: Conference Series. - 2018. - Volume 1015. - P. 1-6.

136. Zhu J. Using Markov Chains for Link Prediction in Adaptive Web Sites / Zhu J., Hong J., Hughes J.G. // 1st International Conference on Computing in an Imperfect World, UK, London, 2002. P. 60 - 73.

148

Приложение А

Кривые временных рядов динамики проходки газовыми скважинами

Сутки работ

Рисунок А.1 - Временной ряд динамики проходки на скважине № 1

0 2 4 6 8 1012 14 16 18 20 22 24 26 28 30 32 34 36 38 40 42 44 46 48 50 52 54 1 3 5 7 9 11 13 1517 19 2123 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55

Сутки работ

Рисунок А.2 - Временной ряд динамики проходки на скважине № 2

Рисунок А.3 - Временной ряд динамики проходки на скважине № 3

Рисунок А.4 - Временной ряд динамики проходки на скважине № 4

150

Приложение Б Копия акта о внедрении результатов диссертации

АКТ

о внедрен ни результатов дассертапнн

ЗЯ^ансЕ- АА_

ПоЕышение эффet:пиноста лодоора. ре;&пмньЕ1 параметров в тетж^ческнк снстеыэх с перемЕнной структурой нд основе нн ф> о р и ацпенн с - ашлнтьгч е: ко н системы прогнозирования прошвадсгЕенныд: показателен

пс налр авл-энню 09.06.01 - Инфорыэтнка п велчпслительнзя тетжка к апр зз п-з нно ст н

05.15.01 - Снстаыныж аналш.. управление ы оэраоотка информации (информаинзнжнЕ:: технические :hci ■

1. НапмеЕсованне рЕзультатоь HiP:

- Разработано ьогяетнчЕское у. алгоритмическое соЕспечение. реа^та^-тощее фуЕоадтонал структурной идентификации однородных. участвооЕ строительства е техннческнк системам

С ПЕРЕМЕННЕЙ СТр>ТС¥ЛрОН.

- Разработана ыатеыатнческпе :: алгоритмическое ооБспечение. реализующее фуЕоадюнал сценарного н лвсаыбзеЕО-сдензрииге пиивтааш) анализа ретроспЕкгнЕнъщанньо;.

- Разработано матЕматачЕс::оЕ н алгоритмическое осеспечениЕ расчетных модулей подсистемы прогнозирования производственный. показателей АИС, позволитлпеЕ автоматизировать пропесс нахождения оптимальной прогнозной продолжительности строительных. раоот е технических системах с переменной стр^турсй по минимуму Ернтерия МАРЕ.

- РазраоотанноЕ магЕматинесБ^ОЕ н алгоритмическое обеспечение в состазе АИС ЕнедрЕ-не е процесс прогнозирования продо.югтельносян строительства гахогеыг скважин, что привело к снижению о не: от протаошрозанпл по врнгерню МАРК с 23.1 до 12.9'%.

- Основные результаты раосты ПОЗВОЛЯЮТ ПОВЫСИТЬ точность произзодственно-экганошнчвскэго планцрэзанпа. снизить затраты рабочего времени ПЕрсонала посредством автоматизации ругинных эг=раикй. а тахске сократить ггродолжителъность строительства яопуапщщиных газовых се^эсе^н за счет автоматизации процесса фор^зфсвания пнстр}■ eltКЕНС-технолгаг[-гческих тгдрт ссдержалщх т,чш]н практики н мероприятия по недотг. тлению яудшня. практик.

1. Научнее л о цр щцеле нне. б котором создан РИД: ::афедра юаш ьнтге рт.ту технологах и пнформалиоЕсной безопасности института ЕюмпьЕОТЕрньсх систем и информационной безопасности ФГЪОУ 30 «¡Кубанский государственный теннологичвсош университет:». 3. Авторш результатов НКР: Еласенкп A.B.. Жданов A.A.

Председатель комиссии: И.о. директора

Члены комиссии:

Начальник производственного отдела Начальник технологического отдела Начальник отдела кадров и социального развнтш

152

Приложение В

Свидетельство о государственной регистрации программы для ЭВМ

СВИДЕТЕЛЬСТВО

гос улярстш'миом рогисгриимм программы ¡ия ЭВМ

№ 2019613089

«ТБ 1*гсс||с1>»

Праютй-илпттчь Жоамо* Андреи Андреевич (Я!.')

Чштор Жочно* Андреи ,4мЛрееш$гч (ЯI )

ЫшЧ 2019611926

153

Приложение Г

Характеристики статистического распределения для обучающей и тестовой

выборочных совокупностей

Статистические характеристики распределения ежесуточной проходки Н для обучающей ТБ и тестовой ¥Б выборок данных представлены в таблице Г.1 и на рисунках Г.2, Г.3.

Т а б л и ц а Г.1 - Статистика распределения проходки Н для ТБ и ¥Б

Характеристика Обучающая TS Тестовая VS

Количество элементов п 992 259

Среднее значение Н, м 151 153

Стандартное отклонение Бн, м 115 108

Минимальное значение Нтп, м 1 1

1-ый квартиль Нг д, м 49 60

Медиана Нтеа, м 139 138

3-ий квартиль Н3 я, м 230 224

Максимальное значение Нтах, м 540 463

Graphical Summary for Проходка TS

280 260 240 220 200 180 160 140 120 100 80 60 40 20 0

-100 -50 0 50 100 150 200 250 300 350 400 450 500 550 600

Рисунок Г.2 - Распределение проходки Н^ для ТБ

Graphical Summary for Проходка VS

60 50 40 30 20 10 0

-50 0 50 100 150 200 250 300 350 400 450 500 550

Рисунок Г.3 - Распределение проходки Ht для VS

Расчетное значение /-коэффициента Стьюдента для рассмотренных выборок TS и VS составляет tH = 0,27, что ниже критического tdf = 1,96 при уровне значимости р = 0,05 для dfH = 1249, соответствующего количеству степеней свободы [103]. Таким образом, рассмотренные обучающая и тестовая выборки однородны по H.

Статистические характеристики распределения производительного времени Тпв для обучающей TS и тестовой VS выборок данных представлены в таблице Г.4 и на рисунках Г.5, Г.6.

Т а б л и ц а Г.4 - Статистика распределения ПВ Тпв для TS и VS

Характеристика Обучающая TS Тестовая VS

Количество элементов п 2430 614

Среднее значение Тпв, ч 18,99 19,21

Стандартное отклонение Бтпв, ч 6,93 7,01

Минимальное значение ТтВп, ч 0,50 0,50

1-ый квартиль Тп, ч 15,00 16,00

Медиана ТтВе а, ч 23,25 23,58

3-ий квартиль ТП£, ч 24,00 24,00

Максимальное значение Тт?ах, ч 24,00 24,00

Graphical Summary for ПВ TS

1600 1400 1200 1000 800 600 400 200 0

-2 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28

Рисунок Г.5 - Распределение производительного времени Т™ для TS

Graphical Summary for ПВ VS

400 350 300 250 200 150 100 50 0

-2 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28

Рисунок Г.6 - Распределение производительного времени Т™ для VS

Расчетное значение /-коэффициента Стьюдента для рассмотренных выборок TS и VS составляет tTuB = 0,71, что ниже критического tdf = 1,96 при уровне значимости р = 0,05 для dfTnB = 3042. Таким образом, рассмотренные обучающая и тестовая выборки однородны по Тпв.

Статистические характеристики распределения НПВ Тнпв для обучающей TS и тестовой VS выборок данных представлены в таблице Г.7 и на рисунках Г.8, Г.9.

Т а б л и ц а Г.7 - Статистика распределения НПВ Гнпв для ТБ и УБ

Характеристика Обучающая TS Тестовая VS

Количество элементов п 982 206

Среднее значение Тнпв, ч 9,21 7,99

Стандартное отклонение 5гнпв, ч 8,59 7,98

Минимальное значение 7^™, ч 0,50 0,50

1-ый квартиль 71™, ч 2,00 1,75

Медиана , ч 5,46 4,00

3-ий квартиль ТЗу'в, ч 16,33 12,75

Максимальное значение , ч 24,00 24,00

Graphical Summary for НПВ TS

280 260 240 220 200 180 160 140 120 100 80 60 40 20 0

-2 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28

Рисунок Г.8 - Распределение непроизводительного времени Г"пв для ТБ

Graphical Summary for НПВ VS

70 60 50 40 30

20

10

0

-2 0 2 4 6 8 10 12 14 16 18 20 22 24 26 28

Рисунок Г.9 - Распределение непроизводительного времени 7^нпв для УБ

Расчетное значение /-коэффициента Стьюдента для рассмотренных выборок ТБ и УБ составляет tтнпв = 1,87, что ниже критического ^ = 1,96 при р = 0,05 для й^нпв = 1186, соответствующего количеству степеней свободы.

L

157

Приложение Д

Динамика продолжительности крепления скважин обсадными колоннами и

НПВ

Полученные подсистемой анализа данных расчетные продолжительности непроизводительного времени и продолжительности крепления в разрезе отдельных скважин для наглядности развернуты в виде графиков Д.1, Д.2, Д.3, Д.4. На представленных графиках по оси абсцисс отложен порядковый номер объекта, по оси ординат - продолжительность работ (ч).

Plot of variable НПВ

О 6 10 16 20 26 30 35 40 46 50 66

Рисунок Д.1 - Продолжительность НПВ при строительстве скважин в разрезе

отдельных объектов

Plot of variable Крепление направления

Рисунок Д.2 - Продолжительность крепления обсадной колонны «направление» при строительстве скважин в разрезе отдельных объектов

Plot of variable; Крепление кондуктор

О 5 10 15 20 25 30 35 40 45 50 55 Скважина

Рисунок Д.3 - Продолжительность крепления обсадной колонны «кондуктор» при строительстве скважин в разрезе отдельных объектов

Plot of variable Крепление ЭК

Скважина

Рисунок Д.4 - Продолжительность крепления обсадной колонны «эксплуатационная» при строительстве скважин в разрезе отдельных объектов

159

Приложение Е

Результаты сценарного анализа продолжительности крепления скважин

обсадными колоннами и НПВ

Результаты сценарного анализа продолжительности непроизводительного времени при строительства газовой скважины представлены в таблице Е.1.

Т а б л и ц а Е.1 - Сценарный анализ продолжительности НПВ Тнпвк

Характеристика Значение

Количество элементов п 54

Среднее значение Тнпвк, ч 167,4

Стандартное отклонение 5гнпв^, ч 163,5

Минимальное значение , ч 0

1-ыи квартиль 11({ к, ч 55,8

Медиана Г™^, ч 101,9

нпв 3-нй квартиль 13с} *, ч 253,4

Максимальное значение Т™ах , ч 807,1

Результаты сценарного анализа продолжительности крепления скважины обсадной колонной-направлением представлены в таблице Е.2.

Т а б л и ц а Е.2 - Сценарный анализ продолжительности крепления Г2к

Характеристика Значение

Количество элементов п 54

Среднее значение , ч 44,5

Стандартное отклонение Бук, ч 14,6

Минимальное значение Т? . , ч 24,5

1-ый квартиль , ч 34,7

Медиана ч 41,2

3-ий квартиль , ч 50,5

Максимальное значение Т? , ч 89,4

Аналогичным образом проведен сценарный анализ продолжительности крепления скважины обсадной колонной-кондуктором Г4к и эксплуатационной колонной , результаты которых представлены в таблицах Е.3, Е.4.

Т а б л и ц а Е.3 - Сценарный анализ продолжительности крепления Г4к

Характеристика Значение

Количество элементов п 54

Среднее значение Тк, ч 137,6

Стандартное отклонение Бтк, ч 42,7

Минимальное значение Та . , ч 49,0

1-ый квартиль Т^, ч 111,4

Медиана Тктеа, ч 133,3

3-ий квартиль Т4^зч, ч 149,8

Максимальное значение Та , ч 268,8

Т а б л и ц а Е.4 - Сценарный анализ продолжительности крепления

Характеристика Значение

Количество элементов п 54

Среднее значение , ч 332,6

Стандартное отклонение Бтк, ч 55,3

Минимальное значение Т£ . , ч 172,8

1-ый квартиль Тк1({, ч 304,6

Медиана Т^теа, ч 336,3

3-ий квартиль Тк3({, ч 368,5

Максимальное значение т£ , ч 478,8

161

Приложение Ж

Результаты преобразования временных рядов бурения газовых скважин

Преобразование временных рядов производственных показателей бурения газовых скважин сводится к последовательному выполнению соответствующего алгоритма подсистемы анализа АИС.

Шаг 1. Устранение из к = 54 временных рядов участков, соответствующих пропускам данных по причине непроизводительного времени в соответствии с (26). Полученные результаты представлены в таблице Ж.1.

Т а б л и ц а Ж.1 - Состав обучающей выборки ТБ' после устранения пропусков

данных по причине влияния НПВ

Характеристика Обучающая выборка до преобразований те Обучающая выборка после преобразований ТБ' Отклонение ТБ' - ТБ

Количество объектов N 54 54 0

Количество элементов п 2605 2430 -175

Проходка Н, м 149998 149998 0

Тив, ч 46148 46148 0

Тнпв, ч 9050 0 -9050

После первого шага обработки временного ряда удалено 175 элементов п, для которых Т™Ък > 0.

Шаг 2. Устранение из к = 54 преобразованных временных рядов выборочной совокупности ТБ' пропусков данных, связанных с участками крепления скважин в соответствии с (27). Полученные результаты представлены в таблице Ж.2.

Т а б л и ц а Ж.2 - Состав обучающей выборки ТБ" после устранения пропусков

данных по причине влияния НПВ и крепления скважин

Характеристика Обучающая выборка Т8 Обучающая выборка ТБ' Обучающая выборка Т5" Отклонение Т5" - Т5'

Количество объектов N 54 54 54 0

Количество элементов п 2605 2430 988 -1442

Проходка Н, м 149998 149998 149998 0

Тив, ч 46148 46148 46148 0

гнпв, ч 9050 0 0 0

После второго шага обработки временного ряда удалено 1442 элемента п, для которых Н^ = 0.

Шаг 3. Устранение асимметрии шага дискретизации посредством трансформации к = 54 временных рядов выборочной совокупности ТБ" из представления Н?^) в вид У*(Ь) с помощью (28).

Окончательный общий вид временного ряда динамики скорости бурения газовых скважин приведен на рисунке Ж.3.

Р1о1 оГуапаЫе 1018

Рисунок Ж.3 - Динамика изменения скорости бурения скважины У^ после предварительного преобразования данных

Шаг 4. Исключение аномальных уровней временных рядов, выходящих за границы перцентилей У10о/о и У90о/о .

Статистические характеристики распределения скорости бурения У^ (?) в обучающей выборке ТБ'" представлены в таблице Ж.4 и на рисунке Ж.5.

Т а б л и ц а Ж.4 - Статистика распределения скорости бурения для ТБ'''

Характеристика Т?"

Количество элементов п 988

Среднее значение , м/сут 186,9

Стандартное отклонение , м/сут 120,7

Минимальное значение Ут1П, м/сут 1,0

Перцентиль 10 % У10о%, м/сут 31,1

1-ый квартиль У1ч, м/сут 84,3

Медиана Утей, м/сут 187,0

3-ий квартиль У3ч, м/сут 272,1

Перцентиль 90 % У90о%, м/сут 346,1

Максимальное значение Утах, м/сут 768,0

V¡M

400 -.------.—

350

Рисунок Ж.5 - Распределение скорости бурения для ТБ'''

Статистические характеристики преобразованного распределения скорости бурения VIе (ё), после устранения влияния нелинейных эффектов, представлены в обучающей выборке ТБ'"' и сведены в таблицу Ж.6, рисунок Ж.7.

Т а б л и ц а 15 - Сравнительная статистика распределения V-^(t) для TS''' и TS''''

Характеристика TS'" TS"" Отклонение TS"" - TS'"

Количество элементов п 988 791 -197,0

Среднее значение VI, м/сут 186,9 180,8 -6,1

Стандартное отклонение Бу., м/сут 120,7 87,1 -33,6

Минимальное значение Ут1П, м/сут 1,0 31,2 30,2

1-ый квартиль У1ч, м/сут 84,3 102,9 18,6

Медиана Утеа, м/сут 187,0 187,0 0,0

3-ий квартиль Узд, м/сут 272,1 248,0 -24,1

Максимальное значение Утах, м/сут 768,0 346,1 -421,9

Таким образом, в ходе проведенных преобразований получено окончательное распределение скорости бурения газовых скважин для выборочной совокупности

TS"", приближенное к нормальному закону [30].

жо

Рисунок 42 - Распределение скорости бурения V^t) для TS""

164

Приложение И

Результаты формирования ансамблей скорости бурения газовых скважин

Результаты формирования ансамблей скорости бурения газовых скважин под отдельные виды строительных работ представлены на рисунках И.1, И.2, И.3.

А

Рисунок И.1 - Динамика скорости бурения 1к под направление

А

Рисунок И.2 - Динамика скорости бурения К 1к под кондуктор

А

Рисунок И.3 - Динамика скорости бурения V. 1к под эксплуатационную

165

Приложение К

Результаты сценарного анализа скорости бурения газовых скважин

Аи

Результаты сценарного анализа скорости бурения под направление Уг к для каждого шага итерации I = 1,2,1кг = 3 представлены в таблице К.1.

А

Т а б л и ц а К.1 - Сценарный анализ скорости бурения под направление У±

1к

Шаг итерации к Количество элементов N V\rnin — м/сут ^1ЬаБе — Vтей, м/сут V1тах — , м/сут

1 54 72 89,57 129,14

2 19 48 59,29 85,85

3 3 34,91 40,26 43,64

Аи

Результаты сценарного анализа скорости бурения под кондуктор У3 К для каждого шага итерации I = 1,2,1к. = 12 представлены в таблице К.2.