アップストリーム02のJMP：減少曲線を決定するための機械学習アプローチ元のセッション日：2021年10月7日
取り上げるトピック：グラフビルダー、クラスタリング、サポートベクターマシン
方法論SPE Paper1961100に触発されています-機械Duvernay層の空間的に変化する下降曲線の学習
自然環境にはあらゆる規模で不均一性が存在することが理解されます。 細孔スケールであろうと盆地スケールであろうと、地質学者や石油エンジニアが彼らの仮定や掘削計画を井戸から井戸へと複製することはめったにありません。 モデル構築の目的で井戸のように迅速にグループ化できるツールを見つけることは、業界の多くの人が使用する重要なツールです。 アップストリームのJMPのこのセッションでは、システムエンジニアのNick Sheltonが、地質学的パラメーターと完了パラメーターを使用してウェルをクラスター化し、それらのクラスターをグループ化カテゴリとして使用して、機械学習ツールであるサポートベクターマシンを使用して衰退曲線を予測するワークフローに焦点を当てます。 彼は、エレガントでシンプルなポイントアンドクリックワークフローを提示して、はるかに堅牢な予測モデルを実現し、ウェルを配置するのに最適な場所について分析に基づいた決定を下します。
図1。 を使用して減少曲線からバーネットシェールの石油生産を予測するテキサス州中北部のクラスタリングおよびサポートベクターマシン。
自然環境にはあらゆる規模で不均一性が存在することが理解されます。 細孔スケールであろうと盆地スケールであろうと、地質学者や石油エンジニアが彼らの仮定や掘削計画を井戸から井戸へと複製することはめったにありません。 モデル構築の目的で井戸のように迅速にグループ化できるツールを見つけることは、業界の多くの人が使用する重要なツールです。 アップストリームのJMPのこのセッションでは、システムエンジニアのNick Sheltonが、地質学的パラメーターと完了パラメーターを使用してウェルをクラスター化し、それらのクラスターをグループ化カテゴリとして使用して、機械学習ツールであるサポートベクターマシンを使用して衰退曲線を予測するワークフローに焦点を当てます。 彼は、エレガントでシンプルなポイントアンドクリックワークフローを提示して、はるかに堅牢な予測モデルを実現し、ウェルを配置するのに最適な場所について分析に基づいた決定を下します。
Re：アップストリーム02のJMP：衰退曲線を決定するための機械学習アプローチDCAに対する明確な利点と、MLが意思決定にどのように役立つかを示す便利なツールに関する非常に明確で興味深い説明:)共有してくれてありがとう！
