文献
J-GLOBAL ID:201702222450138209   整理番号:17A1500853

坑井検層解析のためのファジィ曲線とアンサンブルニューラルネットワークを用いた石炭灰含有量の推定【Powered by NICT】

Coal ash content estimation using fuzzy curves and ensemble neural networks for well log analysis
著者 (4件):
資料名:
巻: 181  ページ: 11-22  発行年: 2017年 
JST資料番号: D0608B  ISSN: 0166-5162  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
貯留層の開発と生産のための多くの重要な変数は,連続坑井検層から解析的に導出することができない。経験的回帰と分類技術は坑井検層からこれらの変数を予測するために広く用いられている。このアプローチは,一般的に,モデル,コア分析データが利用可能でないそれは変数を推定するために使用できるを訓練するためにコア解析と坑井検層からのデータを使用する。地層評価では,訓練データの量が獲得する限定されたまたは費用がかかる。は限定された予測可能性を持つ回帰モデルをもたらす可能性がある。本論文では,スパースデータの収集からの石炭灰含有量を推定するためのファジィ論理とアンサンブルニューラルネットワークを用いることにより,スパースデータの問題を検討した。灰分含有量は石炭品質を評価するための重要なパラメータであり,それは通常,実験室で近成分析から測定した。灰分含有量はX線蛍光法を用いて六種類の主要な酸化物の成分(Al_2O_3,SiO_2,K_2O,CaO,Fe_2O_3とTiO_2)に基づいて推定した。ファジィ曲線解析灰含有量を推定するための入力パラメータを決定するための坑井検層と灰分含有量データの間の関係をランク付けした。データセットをそれから建物アンサンブルニューラルネットワークのための訓練集合の数を生成するためにブートストラップアグリゲーティングアルゴリズムを用いて採取した。集団におけるニューラルネットワークを個別に訓練し,出力を組み合わせて,灰分含量を推定した。全部で20個のコア試料をGloucester盆地の坑井ニューサウスウェールズ(オーストラリア)炭層メタンから採取し,灰含量を分析した。井戸は密度,光電子,γ線,中性子,音響,抵抗率,自然電位,比抵抗イメージング検層技術を用いて解析した。試験したアルゴリズムは反復性灰分含量予測(反復予測の標準偏差は0.43%であった)を生成し,早期停止アルゴリズムを用いた単一神経回路網と比較して予測分散とバイアスを効果的に低減する。ワークフローはデータ駆動型であり,炭層を評価する場合に必要であることを他の複雑な変数を推定するために用いることができた。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
石炭鉱床 

前のページに戻る