文献

J-GLOBAL ID：202002225197566709   整理番号：20A2727714

シェールガス生産可能性を評価するための機械学習-インフォームドアンサンブルフレームワーク:Marcellus頁岩における事例研究【JST・京大機械翻訳】

Machine learning-informed ensemble framework for evaluating shale gas production potential: Case study in the Marcellus Shale

著者 (4件)： Vikara Derek (Department of Civil and Environmental Engineering, University of Pittsburgh, Pittsburgh, PA, 15261, United States) ,  Vikara Derek (KeyLogic Systems, LLC. National Energy Technology Laboratory, 626 Cochrans Mill Road, Pittsburgh, PA, 15236, United States) ,  Remson Donald (National Energy Technology Laboratory, 626 Cochrans Mill Road, Pittsburgh, PA, 15236, United States) ,  Khanna Vikas (Department of Civil and Environmental Engineering, University of Pittsburgh, Pittsburgh, PA, 15261, United States)
資料名： Journal of Natural Gas Science and Engineering  (Journal of Natural Gas Science and Engineering)
巻： 84  ページ： Null  発行年： 2020年 
JST資料番号： W3282A  ISSN： 1875-5100  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： 人工知能と機械学習(ML)は,多くの石油とガス(O&G)応用に適用され,探査と生産操作における効率利得を容易にする新しい技術と見なされている。MLがO&Gの課題を,同時に評価されていない固有の協力作用で評価できる場合に,その点での顕著な改善が生じる可能性がある。本研究は,生産性を最大にする設計最適化アプローチで,推定極限回復(EUR)と相関する,非在来型O&G水平井に対する生産性指標を推定できる,データ駆動ML予測モデルを結合するアンサンブルフレームワークを導入した。次に,このフレームワークをMarcellus Shaleで低から高までの空間ランク生産性ポテンシャルに適用した。開発したMLモデルは,勾配ブースト回帰木(GBRT)アルゴリズムを使用して,保持データに関して82パーセントの予測精度であった。生産性ポテンシャルで一般にランク付けされた地域に特有の,得られた最適化坑井設計と完成属性と同様に,地質特性の分布について,頁岩井生産に関する制御因子を理解し,共通性または不均衡が顕著な特徴に存在するかどうかを確認するために,統計的に評価した。最高の生産性ランク地域はMarcellus Shaleの北東コア領域とその周辺に分離されている。統計解析は,生産性ランキングの高い地域が,低生産性地域に比べてガス生産ポテンシャルに好ましい,ある(全てではなく)地質学的特徴に対して有意差を示すことを示した。最も顕著な正味厚さと多孔性。最適化された坑井設計パラメータ設定は,研究領域およびその後の生産性ランキング領域にわたるそれらの配置に対して変化する。全体として,本論文で議論したMLベースフレームワークは,地質特性と坑井設計属性に関連する制御特徴を説明し,定量化する生産能力の系統的評価結果を配送するために,頁岩制御因子を同時に解析することを試みる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  *頁岩 ,  石油 ,  人工知能 ,  *採ガス ,  坑井 ,  利得 ,  *事例研究 ,  地質 ,  水平井 ,  *機械学習 ,  予測モデル ,  *シェールガス
準シソーラス用語： 回帰木 , 【Automatic Indexing@JST】

著者キーワード (6件)： 機械学習 ,  勾配ブースト回帰 ,  Marcellus頁岩 ,  非従来型油とガス ,  プレイグレーディング ,  ラテン超立方体サンプリング

分類 (1件)： 油田,ガス田;油,ガス資源  (UA01110V)

タイトルに関連する用語 (6件)： シェールガス ,  可能性 ,  評価 ,  機械学習 ,  頁岩 ,  研究