tailieunhanh - Ứng dụng học máy trong dự báo đường cong sonic cho giếng X

Bài viết trình bày việc đánh giá tương quan, lựa chọn các biến đầu vào dựa trên phân tích khai phá dữ liệu, từ đó chuẩn bị dữ liệu cho bước xây dựng mô hình; So sánh các thuật toán dựa trên việc loại bỏ hiện tượng overfitting “quá khớp” từ đó giảm tính thiên kiến của mô hình. | . 723 ỨNG DỤNG HỌC MÁY TRONG DỰ BÁO ĐƢỜNG CONG SONIC CHO GIẾNG X Lƣơng Hải Linh Đồng Nhật Thiên Huỳnh T. Thảo Vi Thiệu Kiều Anh Bùi Tử An Trường Đại học Dầu khí Việt Nam Tác giả chịu trách nhiệm linhlh@ Tóm tắt Việc xây dựng mô hình dự đoán theo hướng tiếp cận khoa học dữ liệu có khả năng tái tạo lại giá trị đường cong sonic cho giếng không có dữ liệu thông qua việc học từ những giếng lân cận khác trên phạm vi mỏ là rất cần thiết nhằm tiết kiệm chi phí trong việc thực hiện đo giá trị đường log này. Nghiên cứu này thiết lập mô hình sự đoán sóng nén dựa trên quy trình làm việc của phương pháp tiếp cận dữ liệu bao gồm phân tích khám phá dữ liệu chuẩn hóa và loại bỏ các giá trị ngoại lai. Sáu mô hình hồi quy học có giám sát được so sánh trên tập dữ liệu huấn luyện bằng cách sử dụng 2 giếng làm dữ liệu huấn luyện để thực hiện dự đoán và được xác thực với giá trị thực của giếng còn lại. Mô hình cuối cùng được điều chỉnh siêu tham số trước khi đưa ra dự đoán cuối cùng cho các giếng mù. Kết quả cho thấy thuật toán Gradient Boosting cho độ chính xác tốt nhất đối với bộ dữ liệu sử dụng trong nghiên cứu này. Căn bậc hai sai số toàn phương trung bình RMSE đạt giá trị khi mô hình được huấn luyện và thử nghiệm trên toàn bộ bộ dữ liệu đào tạo 3 giếng và trung bình khi mô hình được đào tạo trên 2 giếng và thử nghiệm tương ứng trên giếng còn lại. Từ khóa Mô hình học máy thời gian truyền sóng âm đường cong sonic phân tích dữ liệu. 1. Đặt vấn đề Trong ngành Dầu khí những năm gần đây những công trình nghiên cứu về ứng dụng các mô hình Machine Learning và Deep Learning đang gia tăng hứa hẹn một xu hướng khả thi để giải quyết vấn đề kỹ thuật. Ứng dụng trí tuệ nhân tạo trong phạm trù đánh giá thành hệ được áp dụng thông qua các lớp thuật toán có giám sát Supervised-Learning và không có giám sát Unsupervised - Learning nhằm tự động minh giải dữ liệu địa vật lý giếng khoan và phân loại thạch học từ đó loại bỏ yếu tố thiên kiến của người minh giải Shi and Zhang 2021 .

TỪ KHÓA LIÊN QUAN
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.