The object of research, development or design (in Russian) : Объектом исследования является моделирование потоков грунтовых вод и процессов физико-химической ремедиации загрязнённых водоносных горизонтов и почв с использованием многофазных, реактивных и неньютоновских моделей. В качестве объекта разработки рассматривается симулятор нового поколения, интегрирующий физические, химические и вычислительные модули для описания двухфазного течения, водных растворов, ПАВ- и спиртсодержащих систем, реактивного переноса и данных машинного обучения.

The object of research, development or design (in Kazakh) : Зерттеу нысаны — топырақ пен сулы горизонттардағы жер асты суларының ағымын, көпфазалы, реактивті және ньютондық емес жүйелерді модельдеу. Әзірлеу нысаны — физикалық, химиялық және есептеуіш модульдерді біріктіретін жаңа буын симуляторы, ол ПАВ-пен және спиртпен күшейтілген ремедиацияны, екі фазалы ағынды, реактивті тасымалдауды және машиналық оқыту деректерін сипаттауға бағытталған.

Aim of work (in Russian) : Цель работы — разработка, адаптация и оптимизация моделей и вычислительных инструментов для точного описания динамики подземных вод, межфазного взаимодействия, переноса загрязнителей и эффективности ПАВ-усиленной и спиртсодержащей ремедиации в лабораторных условиях, а также создание научно-технической базы для последующего перехода к опытно-промышленному моделированию.

Aim of work (in Kazakh) : Жұмыстың мақсаты — жер асты суларының динамикасын, ластаушы заттардың тасымалын және ПАВ-пен/спиртпен күшейтілген ремедиация тиімділігін дәл сипаттауға арналған модельдер мен есептеу құралдарын әзірлеу және оңтайландыру; әрі қарай тәжірибелік-өндірістік модельдеуге өтуді қамтамасыз ететін ғылыми-техникалық негіз құру.

Методы исследования (на русском) : В исследовании использованы следующие методы исследования: • лабораторные эксперименты в 1D-колоннах, 2D-резервуарах и стеклянных микромоделях для изучения процессов вытеснения нефти и дизельного топлива; • физико-химические измерения (реология, FTIR-спектроскопия, динамическое светорассеяние, измерение дзета-потенциала); • численное моделирование в COMSOL Multiphysics (двухфазный поток, закон Дарси, капиллярная диффузия); • моделирование в пластовых симуляторах CMG STARS (вода, полимер, эмульсия); • машинное обучение: градиентный бустинг, оптимизация гиперпараметров, анализ чувствительности; • физически-информированные нейронные сети (PINN) для реактивного переноса; • статистическая обработка данных, создание обучающих и валидационных наборов.

Методы исследования (на казахском) : Зерттеуде келесі зерттеу әдістері қолданылды: • 1D колонна, 2D резервуар және шыны микромодельдердегі зертханалық тәжірибелер; • физика-химиялық өлшеулер (реология, FTIR, динамикалық жарық шашырауы, дзета-потенциал); • COMSOL Multiphysics көмегімен сандық модельдеу; • CMG STARS симуляторында көпфазалы модельдер; • машиналық оқыту (градиенттік бустинг, гиперпараметрлерді оңтайландыру); • реактивті тасымалдауға арналған PINN әдісі; • статистикалық талдау және валидациялық деректер жинақтау.

Obtained results and novelty (in Russian) : • Проведены эксперименты по ПАВ- и этанол-усиленной ремедиации; достигнута эффективность извлечения нефти до 40,5% (50% этанола). • Разработана и валидирована COMSOL-модель двухфазного потока; исследованы эффекты капиллярной диффузии (10⁻⁸–10⁻¹¹ м²/с) и выявлены явления вязкостной неустойчивости. • Создана база данных из 2394 экспериментальных точек; модель бустинга достигла R² = 0,985–0,991 с 96% предсказаний в области применимости. • Разработан PINN-модуль для реактивного переноса с учётом 11+ химических видов; ошибки при валидации

Obtained results and novelty (in Kazakh) : • Этанол/ПАВ негізіндегі ремедиация тиімділігі 40,5% деңгейіне жетті. • COMSOL-да екі фазалы ағынды модельдеу жүзеге асырылды, капиллярлық диффузияның әсері зерттелді. • 2394 эксперименттік нүктеден тұратын деректер базасы құрылды; ML моделінің дәлдігі R² = 0,985–0,991 болды. • 11-ден астам химиялық түрді ескеретін PINN модулі әзірленді (қате

The main constructive and technical economic indicators (in Russian) : • Создан валидированный набор данных (эксперименты + моделирование) для последующего построения модуля симулятора; • Реализованы обученные модели ML, позволяющие прогнозировать эффективность очистки без дополнительных экспериментов; • Разработаны физико-химические параметры для интеграции в симулятор (вязкость, HLB, дзета-потенциал, диаметр частиц); • Создана структура вычислительного ядра будущего симулятора: модуль двухфазного потока, модуль реактивного переноса, модуль ML-прогнозирования; • Обеспечено снижение вычислительных затрат за счёт PINN-подхода; • Экспериментальные стенды (1D/2D) обеспечивают возможность масштабирования моделей.

The main constructive and technical economic indicators (in Kazakh) : • Симулятор ядросына арналған валидтелген эксперименттік және сандық деректер; • ML-модельдер негізінде тазарту тиімділігін жылдам болжау мүмкіндігі; • Физика-химиялық параметрлер (тұтқырлық, HLB, бөлшек диаметрі, дзета-потенциал) айқындалды; • Екі фазалы ағын, реактивті тасымалдау және ML модульдерінен тұратын есептеу құрылымы қалыптасты; • PINN әдістері арқылы есептеу жүктемесі төмендетілді; • Эксперименталдық стендтер (1D/2D) модельдерді масштабтау мүмкіндігін қамтамасыз етеді.

Level of implementation (in Russian) : Работы находятся на этапе лабораторной и вычислительной апробации (R&D). Внедрение включает: • применение разработанных моделей и ML-алгоритмов в исследовательских задачах; • интеграцию экспериментальных данных в прототип симулятора; • использование численных решений для планирования дальнейших этапов проекта.

Level of implementation (in Kazakh) : Жоба зертханалық және есептеу деңгейінде (R&D) іске асырылуда. Енгізуге келесілер жатады: • әзірленген модельдердің зерттеу міндеттерінде қолданылуы; • эксперименттік деректерді симулятор прототипіне біріктіру; • келесі кезеңдерге арналған есептеу негізін құру.

Efficiency (in Russian) : • Повышение точности прогноза процессов ремедиации за счёт объединения ML и физических моделей; • Получение высокоточных параметров для симулятора, что сокращает объём натурных тестов; • Повышение воспроизводимости и достоверности лабораторных исследований; • Формирование научно-технической базы, обеспечивающей эффективное планирование экологической очистки.

Efficiency (in Kazakh) : • Ремедиация процестерін болжаудың дәлдігін машиналық оқытуды және физикалық модельдерді біріктіру арқылы арттыру; • Натурлы сынақтардың көлемін азайту мақсатында симулятор үшін жоғары дәлдікпен параметрлер алу; • Зертханалық зерттеулердің қайталанғыштығын және дұрыстығын жоғарылату; • Экологиялық тазартуды тиімді жоспарлау мүмкіндігін қамтамасыз ететін ғылыми-техникалық база құру.

Field of application (in Russian) : • Моделирование процессов ремедиации загрязнённых грунтов и водоносных горизонтов; • Проектирование экологических технологий очистки; • Лабораторные и исследовательские центры по изучению грунтовых вод; • Обучение и повышение квалификации специалистов в области гидрогеологии и многофазных течений; • Формирование базовых модулей симуляторов, применимых в нефтегазовой, экологической и геотехнической индустриях.

Field of application (in Kazakh) : • Ластанған топырақ пен сулы горизонттарды ремедиациялау процестерін модельдеу; • Экологиялық тазарту технологияларын жобалау; • Жерасты сулары саласындағы зертханалық және ғылыми-зерттеу орталықтарында пайдалану; • Гидрогеология және көпфазалы ағым саласы бойынша мамандарды оқыту және біліктілігін арттыру; • Мұнай-газ, экология және геотехникалық салаларда қолданылатын симуляторлардың базалық модульдерін қалыптастыру.