наблюдений. Лучший результат показала гауссовская процессная регрессия: ошибка RMSE сос...
наблюдений. Лучший результат показала гауссовская процессная регрессия: ошибка RMSE составила около 0,002 МПа.  В модели вошли параметры, описывающие напряжённое состояние породы: вертикальные и горизонтальные эффективные напряжения, касательное и среднее напряжения, а также октаэдрическое касательное напряжение. Авторы проверили не только точность моделей, но и их устойчивость к шуму в данных.  С помощью SHAP исследователи также выяснили, какие физические параметры сильнее всего влияют на прогноз. Наиболее значимым оказалось вертикальное напряжение, а наименьший вклад внесло касательное.  Такой подход позволяет использовать машинное обучение не просто как «чёрный ящик», выдающий прогноз, а как инструмент, который помогает понять, почему давление меняется и какие параметры определяют поведение системы. В перспективе подобные модели могут дополнять инструменты мониторинга и поддержки принятия решений при проектах геологического хранения CO₂.  Пока работа представляет собой подтверждение концепции на лабораторных данных. Следующий шаг — проверка подхода на реальных данных закачки CO₂ и скважинного мониторинга.