Использование методов машинного обучения для классификации скважин-кандидатов на геолого-технические мероприятия по причинам отклонения
Ключевые слова:
добыча нефти; геолого-технические мероприятия скважин; нормализация данных; балансировка данных; машинное обучение; методы классификации; верификация данных; нейронные сети; oil production; geological and technical actions for wells; data normalization; data balancing; machine learning; classification methods; data verification; neural networks.Аннотация
В статье рассмотрена методика подготовки данных, обучения и верификации нейросетевого классификатора для задачи классификации скважин-кандидатов на геолого-технические мероприятия. Описаны такие основные этапы как: нормализация данных, разбиение исходных данных на тестовую и обучающую выборки, балансировка данных. Статья затрагивает такие методы нормализации как минимаксная нормализация, метод унитарного кода, методы балансировки данных SMOTE, Random Oversampling. В качестве классификатора рассмотрена модель многослойного перцептрона. Для эксперимента использованы данные о скважинах-кандидатах на геологотехническое мероприятие вывода скважина из бездействия. В статье так же приведена оценка полученного результата, выполненная с помощью такого метода верификации как процедура скользящего контроля.Загрузки
Опубликован
2021-29-12
Выпуск
Раздел
Технические науки
