Отрывок: Искусственный интеллект 18 всю процедуру пять раз, достаточно, чтобы избежать любого аномального поведения. Это можно противопоставить возможным сотням или тысячам повторных вычислений с нерегулярными искусственными нейронными сетями [5]. Функция правдоподобия весов сети w описывает, насколько вероятно появление данного набора данных при заданном наборе весов: 𝑃(𝑤|𝐷, 𝛼, 𝛽,𝑀) = 1 𝑍𝑤(𝛼)𝑍𝐷(𝛽) exp(−(𝛽𝐸𝐷 + 𝛼𝐸𝑤)). (2) ...
Название : | Исследование методов машинного обучения при анализе добычи и обслуживания нефтяных скважин |
Авторы/Редакторы : | Скачкова Е. А. Аленин А. Л. Мокшин В. В. |
Дата публикации : | 2022 |
Библиографическое описание : | Скачкова, Е. А. Исследование методов машинного обучения при анализе добычи и обслуживания нефтяных скважин / Е. А. Скачкова, А. Л. Аленин, В. В. Мокшин // Информационные технологии и нанотехнологии (ИТНТ-2022) : сб. тр. по материалам VIII Междунар. конф. и молодеж. шк. (г. Самара, 23 - 27 мая) : в 5 т. / М-во науки и образования Рос. Федерации, Самар. нац. исслед. ун-т им. С. П. Королева (Самар. ун-т), Ин-т систем обраб. изобр. РАН - фил. ФНИЦ "Кристаллография и фотоника" РАН. - Самара : Изд-во Самар. ун-та, 2022Т. 4: Искусственный интеллект / под ред. А. В. Никонорова. - 2022. - С. 040822. |
Аннотация : | В данной статье были рассмотрены методы определения значимых признаков, а также методы прогнозирования для оптимизации бурения нефтяных скважин, определены их достоинства и недостатки. Для выявления наиболее значимых признаков, влияющих количество добываемой нефти, проводился отбор признаков на основе корреляционного анализа, а также сравнение и идентификация эффективных методов обучения нейронной сети. В результате был выбран метод BRANN (искусственная нейронная сеть с байесовской регуляризацией), так как он показал лучшие результаты при относительно коротком времени обучения. Таким образом, нейронная сеть была обучена прогнозированию количества добываемой нефти на нефтяных скважинах. |
Другие идентификаторы : | RU\НТБ СГАУ\490957 |
Ключевые слова: | байесовский алгоритм прогнозирование добываемой нефти корреляционный анализ машинное обучение метод BRANN искусственная нейронная сеть с байесовской регуляризацией нейронные сети методы прогнозирования добычи нефти методы машинного обучения |
Располагается в коллекциях: | Информационные технологии и нанотехнологии |
Файлы этого ресурса:
Файл | Размер | Формат | |
---|---|---|---|
ИТНТ-2022. Том 4. Искусственный интеллект/978-5-7883-1792-2_2022-040822.pdf | 941.27 kB | Adobe PDF | Просмотреть/Открыть |
Показать полное описание ресурса
Просмотр статистики
Поделиться:
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.