ИТМО · Saudi Aramco
Восстановление нефтегазовых данных (GNN)
Oleg Starkov / Case study
- Статус
- Research
- Роль
- ML Engineer
- Период
- 10.2024 — 03.2026
- Контекст
- ИТМО · Saudi Aramco
GNN-модель для восстановления пропусков в нефтегазовых данных на графе скважин.
- Задача
- Повышает полноту данных и снижает влияние пропусков на промышленную аналитику.
- Мой вклад
- Графовый датасет, обучение модели, сравнение с KNN и NMF, подготовка сценария predictive maintenance.
- Результат
- Граф: около 134 тыс. узлов и 670 тыс. рёбер; качество импутации выше baseline-подходов.
Что сделано
- Графовый датасет скважин
- GNN-модель импутации
- Обучающий pipeline
- Сравнение с KNN и NMF
- Оценка качества данных
- Сценарий predictive maintenance
Графовая нейросеть для импутации пропущенных значений в нефтегазовых датасетах на основе логов скважин.
Граф ~134 тыс. узлов и ~670 тыс. рёбер. Качество импутации выше baseline-подходов (KNN, NMF) — выше полнота и достоверность производственных данных.
Роль: сбор графового датасета, обучение модели, сравнение с baseline, подготовка к predictive maintenance.
Стек
- Python
- PyTorch Geometric
- GNN
- pandas
- NumPy
- Graph ML