업스트림 02의 JMP: 하락 곡선을 결정하기 위한 기계 학습 접근 방식원래 세션 날짜: 2021년 10월 7일
다루는 주제: 그래프 빌더, 클러스터링, 지원 벡터 머신
방법론 SPE Paper 1961100 - Machine에서 영감을 받았습니다. 듀버네이 층에 대한 공간적으로 변화하는 감소 곡선 학습
이질성은 자연 환경에서 모든 규모로 존재하는 것으로 이해됩니다. 공극 규모 또는 유역 규모에 관계없이 지질학자나 석유 엔지니어는 자신의 가정이나 시추 계획을 유정에서 유정으로 복제하는 경우가 거의 없습니다. 모델 구축을 위해 우물처럼 빠르게 그룹화할 수 있는 도구를 찾는 것은 업계에서 많은 사람들이 사용하는 핵심 도구입니다. Upstream의 JMP 세션에서 시스템 엔지니어인 Nick Shelton은 지질 및 완료 매개변수를 사용하여 우물을 클러스터링한 다음 해당 클러스터를 그룹화 범주로 사용하여 기계 학습 도구인 서포트 벡터 머신을 사용하여 쇠퇴 곡선을 예측하는 작업 흐름을 강조합니다. 그는 훨씬 더 강력한 예측 모델을 달성하고 유정을 배치할 최적의 위치에 대한 분석 정보에 입각한 결정을 내리는 우아하고 간단한 포인트 앤 클릭 워크플로를 제공합니다.
그림 1. 다음을 사용하여 감소 곡선에서 Barnett 셰일의 석유 생산량 예측 텍사스 중북부의 클러스터링 및 지원 벡터 머신.
이질성은 자연 환경에서 모든 규모로 존재하는 것으로 이해됩니다. 공극 규모 또는 유역 규모에 관계없이 지질학자나 석유 엔지니어는 자신의 가정이나 시추 계획을 유정에서 유정으로 복제하는 경우가 거의 없습니다. 모델 구축을 위해 우물처럼 빠르게 그룹화할 수 있는 도구를 찾는 것은 업계에서 많은 사람들이 사용하는 핵심 도구입니다. Upstream의 JMP 세션에서 시스템 엔지니어인 Nick Shelton은 지질 및 완료 매개변수를 사용하여 우물을 클러스터링한 다음 해당 클러스터를 그룹화 범주로 사용하여 기계 학습 도구인 서포트 벡터 머신을 사용하여 쇠퇴 곡선을 예측하는 작업 흐름을 강조합니다. 그는 훨씬 더 강력한 예측 모델을 달성하고 유정을 배치할 최적의 위치에 대한 분석 정보에 입각한 결정을 내리는 우아하고 간단한 포인트 앤 클릭 워크플로를 제공합니다.
Re: 업스트림 02의 JMP: 하락 곡선을 결정하기 위한 기계 학습 접근 방식DCA에 비해 명확한 이점을 보여주는 유용한 도구와 ML이 의사 결정에 어떻게 도움이 되는지에 대한 매우 명확하고 흥미로운 설명 
공유해 주셔서 감사합니다!
