文献

J-GLOBAL ID：202202219646689113   整理番号：22A0327146

チョークの間隙率を予測するための機械学習技術の比較【JST・京大機械翻訳】

Comparison of machine learning techniques for predicting porosity of chalk

著者 (6件)： Nourani Meysam (Reservoir Geology Department, Geological Survey of Denmark and Greenland (GEUS), Copenhagen, Denmark) ,  Alali Najeh (College of Petroleum Engineering, Al-Ayen University, Thi-Gar, 64001, Iraq) ,  Samadianfard Saeed (Department of Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran) ,  Band Shahab S. (Future Technology Research Center, National Yunlin University of Science and Technology, Douliou, Yunlin, 64002, Taiwan, ROC) ,  Chau Kwok-wing (Department of Civil and Environmental Engineering, Hong Kong Polytechnic University, Hong Kong, China) ,  Shu Chi-Min (Graduate School of Engineering Science and Technology, National Yunlin University of Science and Technology, Yunlin, 64002, Taiwan, ROC)
資料名： Journal of Petroleum Science and Engineering  (Journal of Petroleum Science and Engineering)
巻： 209  ページ： Null  発行年： 2022年 
JST資料番号： T0412A  ISSN： 0920-4105  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： 空隙率の正確で迅速な推定は貯留層特性化の不可欠な要素である。チョーク試料の迅速で信頼性のある多孔性予測のための新技術を,機械学習法及びX線蛍光(XRF)元素分析を適用して提示した。予測モデルの入力パラメータは,Hand-held X線蛍光(HH-XRF)測定から得たチョーク試料の迅速で正確な元素分析に基づいている。ランダム森林(RF),多層パーセプトロン(MLP),遺伝的アルゴリズム(GA-RF)によって統合されるランダムフォレスト,および遺伝的アルゴリズム(GA-MLP)によって統合される多層パーセプトロンを含むインテリジェントモデルを訓練し,北海のEkofisk層から,RordalおよびStevns Klint(ST)およびコア試料からの露頭チョークサンプルから成るサンプルに基づいて試験した。結果を,持続可能性指数(SI),決定係数(R2),相関係数(CC),およびWillmottの一致指数(WI)によって評価した。結果は,GA-RFインテリジェント法とXRF元素分析との組み合わせが,CC,SI,WI,およびR2に対して,それぞれ,0.99,0.02,0.995,および0.99,それぞれ,正確なモデルを提供することを示した。Copyright 2022 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： 蛍光 ,  相関係数 ,  元素分析 ,  モデル ,  貯留層特性 ,  露頭 ,  *空隙率 ,  パラメータ ,  多層パーセプトロン ,  *機械学習 ,  遺伝的アルゴリズム ,  予測モデル
準シソーラス用語： 持続可能性 ,  ランダムフォレスト ,  決定係数 ,  入力パラメータ , 【Automatic Indexing@JST】

著者キーワード (7件)： 空隙率 ,  チョーク ,  手持ちX線蛍光 ,  ランダムフォレスト ,  多層パーセプトロン ,  遺伝的アルゴリズムにより最適化したランダムフォレスト ,  遺伝的アルゴリズムにより最適化した多層パーセプトロン

分類 (1件)： 油層工学  (UA10030G)

タイトルに関連する用語 (4件)： チョーク ,  間隙率 ,  予測 ,  機械学習技術