Проблема вытеснения нефти решалась с помощью нейронных сетей. Была выбрана модель Бакли-Леверетта, описывающая процесс вытеснения нефти водой. Он состоит из уравнения неразрывности нефтяной и водной фаз и закона Дарси. Задача - оптимизировать проблему вытеснения масла. Оптимизация проводится на трех уровнях: векторизация расчетов; реализация алгоритма с использованием нейронных сетей. Особенностью предлагаемого в работе метода является идентификация метода с высокой точностью и минимальными ошибками, решение с помощью нейронных сетей. Это исследование также является одним из первых, в котором сравниваются нейронные и рекуррентные нейронные сети. В результате исследования классификаторы повышения градиента и нейронные сети показали высокую точность, 99,99% и 97,4% соответственно. Для достижения этой цели было создано более 67 000 наборов данных из 10-го класса. Эти данные важны для решения проблемы вытеснения нефти в пористых средах. Предлагаемый метод обеспечивает простой и изощренный способ внедрения знаний о нефти в нейронные сети. Это устраняет два наиболее важных недостатка нейронных сетей: необходимость в больших наборах данных и надежность экстраполяции. Предлагаемые принципы могут быть обобщены бесчисленным количеством способов в будущем и должны привести к созданию нового класса алгоритмов для решения прямых и обратных нефтяных проблем