自動予測フレームワークにおける実時間掘削ログの文脈におけるリカレントニューラルネットワーク性能に対するデータ前処理技術の影響【JST・京大機械翻訳】

Tunkiel Andrzej T.; Sui Dan; Wiktorski Tomasz

文献

J-GLOBAL ID：202202291865458521 整理番号：22A0156005

自動予測フレームワークにおける実時間掘削ログの文脈におけるリカレントニューラルネットワーク性能に対するデータ前処理技術の影響【JST・京大機械翻訳】

Impact of data pre-processing techniques on recurrent neural network performance in context of real-time drilling logs in an automated prediction framework

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0156005&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0156005&from=J-GLOBAL&jstjournalNo=T0412A") }}

著者 (3件)： , ,
資料名：
巻： 208 号： PE 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)

信号の時間的性質を捉えることができるリカレントニューラルネットワーク(RNN)は,石油工学,特に掘削に適用される機械学習においてより一般的になっている。この技術では,得られたモデルに大きな役割を果たす入力データに関連する要求と洞窟がある。本論文は,データ前処理と属性選択技術がRNNモデルの性能にどのように影響するかを探究した。再サンプリングとダウンサンプリング法を比較した。公開された研究で一般的に省略された問題,情報化戦略が探索され,そして,前進または線形補間を実行する最後の観察を選択する方法を,モデル精度の観点から導入し,探索した。事例研究は,Equinorによって発表された開放Volveデータセットからのリアルタイム掘削ログに関して実行した。現実的な評価のために,機械学習モデル更新のための連続学習手法を用いるデータ準備とモデル訓練と評価のために,半自動プロセスを提案し,訓練データセットが連続的に構築され,一方,井戸が作られている。これはデータ前処理法の正確なベンチマークを可能にする。含まれているのは,リカレント要素と列ワイズ回帰要素の両方を含む,以前に開発され,更新された分岐カスタムニューラルネットワークアーキテクチャである。実装のためのソースコードをGitHubに関して発表する。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

油層工学

, , , , , , ,

前のページに戻る