上流の JMP 02: 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
対象となるトピック: 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
方法論は SPE Paper 1961100 - Machine からインスピレーションを受けています Duvernay 層の空間的に変化する減少曲線の学習
自然環境にはあらゆるスケールで不均一性が存在することが理解されています。細孔スケールであれ盆地スケールであれ、地質学者や石油技術者が自分の仮定や掘削計画を坑井から坑井へと再現できることはほとんどありません。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。 JMP in the Upstream のこのセッションでは、システム エンジニアの Nick Shelton が、地質パラメータと完成パラメータを使用して井戸をクラスタリングし、それらのクラスタをグループ化カテゴリとして使用し、機械学習ツールであるサポート ベクター マシンを使用して減少曲線を予測するワークフローを紹介します。彼は、より堅牢な予測モデルを実現し、井戸を配置する最適な場所について分析情報に基づいた決定を下すための、エレガントでシンプルなポイント アンド クリック ワークフローを紹介します。
図 1.テキサス州中北部のクラスタリングとサポート ベクター マシンを使用した、減少曲線からのバーネット シェールの石油生産量の予測。
自然環境にはあらゆるスケールで不均一性が存在することが理解されています。細孔スケールであれ盆地スケールであれ、地質学者や石油技術者が自分の仮定や掘削計画を坑井から坑井へと再現できることはほとんどありません。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。 JMP in the Upstream のこのセッションでは、システム エンジニアの Nick Shelton が、地質パラメータと完成パラメータを使用して井戸をクラスタリングし、それらのクラスタをグループ化カテゴリとして使用し、機械学習ツールであるサポート ベクター マシンを使用して減少曲線を予測するワークフローを紹介します。彼は、より堅牢な予測モデルを実現し、井戸を配置する最適な場所について分析情報に基づいた決定を下すための、エレガントでシンプルなポイント アンド クリック ワークフローを紹介します。
消費者および市場調査データの探索と視覚化Re: 上流の JMP 02: 減少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！
