我在高中最喜歡的課是地球科學。 我記得在我們的氣象部分每天讀取天氣讀數。 每天早上，我們到戶外測量乾濕球溫度、風速和風向，並估算雲量。 有一兩次，我們回到教室才發現閱讀已關閉或沒有意義。 沒問題，我們回到外面重新測量 - 走 50 步並重新測量沒什麼大不了的。
問題
快進大約 18 年，我正在研究螺旋Q4000 ，試圖從我腳下一英里多的沉積物中獲取甲烷水合物樣本。 獲得我們的第一個核心花了 24 多個小時。 當它浮出水面時，沒有任何東西正常工作：樣品被減壓，回收的 10% 左右的沉積物只是湯。 不像我在高中時的溫度讀數，我們不能回去再試一次——沉積物樣本永遠消失了。
這是地質學家和工程師在惡劣的地下環境中經常面臨的挑戰。 獲取數據的成本很高，而且您只能獲得一次機會。 那麼，當數據沒有按預期返回時，您會怎麼做？ 也許該工具在深度失效或更糟，卡住了，不得不放棄整個井？ 我們如何利用我們擁有的少量信息並對其進行有用的理解？ 我們可以用JMP專業版當然是強大的預測工具！
本實驗
Gamma（藍色）、地層密度（紅色）、壓縮速度（綠色）和剪切速度（紫色）的輸入參數。 區間一>2064 ftkb且在黑色上黑線上方，區間二在兩條黑線之間（2065-2127 ftkb），區間三在黑線下方（2128-2206 ftkb）。
讓我們比較幾種從更穩健的變量中預測獲取不佳的變量的不同方法。 在這種情況下，我們試圖了解碳氫化合物飽和度（甲烷水合物），這在這口井中稀少（艾爾伯特山井，北坡，AK ）。 我們所擁有的是完整的四個變量集：伽馬射線、地層密度、壓縮速度和剪切速度。 在地下，有三個含水合物砂層，我們想用第一個層段（方鑽套管下 2003-2064 英尺，ftkb）來預測下面兩個層段的水合物飽和度，2065-2127 ftkb 和 2128-分別為 2206 ftkb。 我們將測試不同的預測模型：標準最小二乘法、廣義回歸、神經網絡和 XGBoost。 我們將使用 R2 值作為模型質量的第一次通過，但隨後將定性評估實際測井與預測測井曲線，以評估每個模型的整體質量。
結果
實際水合物飽和度（藍色）與標準最小二乘法（紅色）、廣義回歸（綠色）、神經網絡（紫色）和 XGBoost（深橙色）的預測水合物飽和度相比。
標準最小二乘法並沒有削減它。 它對區間 1 進行了穩健的建模，但完全無法準確預測下兩個區間的碳氫化合物飽和度。 廣義回歸（自適應；彈性網絡）稍微好一些，但通常會高估較低的兩個區間 0.1 到 0.2 個飽和單位。 機器學習模型做得更強大，但我認為 XGBoost 具有優勢。 神經網絡產生的“噪聲”大得多，因為有大量的衝擊佔預測的 10-20%，而 XGBoost 在低烴飽和度和高烴飽和度下提供了更穩定的預測。
這是我在處理地質和/或井下數據時觀察到的一個共同主題：自然系統極其複雜，充滿異質性，而機器學習模型（Bootstrap Forest、神經網絡和 XGBoost 等）往往提供更好的預測模型整體。
XGBoost（頂部）和神經網絡（底部）驗證數據集的模型結果。
向前進
大多數在該行業工作的人將擁有比單口井更多的數據。 一個強有力的做法是使用聚類將井使用地質參數（岩性、孔隙度、滲透率等）組合在一起，並按聚類構建預測模型。 這種方法可以讓您獲得更好的結果，因為該模型是專門為特定遊戲甚至特定遊戲中的特定盆地而構建的。 除此之外，一個很好的做法是在 Graph Builder 中對您的數據進行可視化走訪——嘗試了解各個參數的情況，以確定最佳前進路徑。
最後，組織中數據分析的民主化將使您能夠更快地實現更大的目標：將強大的工具交到用戶手中，向他們展示如何構建和解釋模型，然後坐下來享受！
數據源
這些數據是收集到的通過美國能源部和 BP 阿拉斯加勘探公司 (BPXA) 與美國地質調查局 (USGS) 以及幾所大學和行業合作夥伴之間的合作鑽探協議，評估阿拉斯加北坡的天然氣水合物是否可以在技術上或商業上。 Mt. Elbert 井於 2007 年鑽探，數據可通過拉蒙特多爾蒂地球觀測站在哥倫比亞大學。 我對數據進行子集化、清理並使其在 JMP 表中可用JMP公開（注：無JMP專業版，GenReg、Neural w/KFold 和 XGBoost 腳本將不會執行。 此外，XGBoost 腳本需要 JMP Pro 和XGBoost 插件）。
感謝您提供如此翔實且詳盡的文章！ 好吧，我還使用 JMP Pro 來處理相應任務的化學問題。
好吧，我的問題是關於神經網絡 (NN)。 在回歸案例的 JMP 中，即使在固定的隨機種子下，如果我們重新啟動相同的模型，NN 的預測值與其所有指標（RMSE、R2 等）都不同。 對於分類，一切都是可重複的，維護指標。 您是否在保持相同條件的情況下重新安排了 NN 模型？
謝謝！
邁克爾
非常感謝你的問題@納扎爾科夫斯基，這是你提出的一個非常重要的話題。 我遇到過開創性研究最終被撤回的情況，因為作者發現使用 NN 的相關性非常強，但是當其他用戶在相同的數據上運行相同的 NN 但使用不同的隨機開始時，發現相關性大大降低。 這是集成模型可以真正發揮作用的地方（例如 Bootstrap Forest、Boosted NN's 等）。 說了這麼多，並強調了這樣做的重要性，我不得不承認，我最初並沒有這樣做。 但是我無法自拔，在閱讀了您的評論後，我返回並使用具有不同隨機種子的相同設置重新運行了一系列 NN。 平均驗證集 R^2 為 0.92 +/- 0.01，僅比我最初發現的低一點。
好東西，彼得！ 請告訴我，RMSE 是怎樣的。 因為，對於回歸，RMSE 是主要的 KPI。 希望這個參數不會發生劇烈變化。 現在請告訴我，您是如何在 JMP Pro 上製作合奏的。 我的是 15.0，所以你的可能是 16，因為在第 15 個版本中沒有遇到合奏。 我會非常感謝你！
Michael，這個特定數據集在六個隨機開始時的均方根誤差（JMP NN 報告中的第二個擬合度量）變化約為 0.01，非常小。 對於集成模型，在 JMP Pro 中您可以使用 Bootstrap 森林或使用助推在神經網絡或決策樹中。 所有這些功能都在 JMP 15 Pro 中可用。 我希望這有幫助！
恭喜你，親愛的同事！ 你完成了一項出色的工作。 請特別感謝您對集成模型方法的建議。 週末愉快！
真摯地，
邁克爾
