업스트림의 JMP 02: 하락 곡선을 결정하기 위한 기계 학습 접근 방식원래 세션 날짜: 2021년 10월 7일
다루는 주제: 그래프 빌더, 클러스터링, 지원 벡터 머신
방법론은 SPE Paper 1961100 - 기계에서 영감을 받았습니다. Duvernay 지층에 대한 공간적으로 변하는 하락 곡선 학습
자연 환경에는 모든 규모에서 이질성이 존재하는 것으로 이해됩니다. 공극 규모든 유역 규모든 지질학자나 석유 엔지니어가 가정이나 시추 계획을 유정에서 유정으로 복제하는 경우는 거의 없습니다. 모델 구축을 위해 우물처럼 신속하게 그룹화할 수 있는 도구를 찾는 것은 업계에서 많은 사람들이 사용하는 핵심 도구입니다. 이 업스트림 JMP 세션에서 시스템 엔지니어인 Nick Shelton은 지질 및 완성 매개변수를 사용하여 유정을 클러스터링한 다음 이러한 클러스터를 그룹화 범주로 사용하여 기계 학습 도구인 지원 벡터 머신을 사용하여 하락 곡선을 예측하는 작업 흐름을 강조합니다. 그는 훨씬 더 강력한 예측 모델을 달성하고 유정을 배치하기에 가장 좋은 위치에 대해 분석 정보를 바탕으로 결정을 내릴 수 있는 우아하고 간단한 포인트 앤 클릭 워크플로를 제시합니다.
그림 1. 텍사스 중북부의 클러스터링 및 지원 벡터 머신을 사용하여 감소 곡선을 통해 Barnett 셰일의 석유 생산량을 예측합니다.
자연 환경에는 모든 규모에서 이질성이 존재하는 것으로 이해됩니다. 공극 규모든 유역 규모든 지질학자나 석유 엔지니어가 가정이나 시추 계획을 유정에서 유정으로 복제하는 경우는 거의 없습니다. 모델 구축을 위해 우물처럼 신속하게 그룹화할 수 있는 도구를 찾는 것은 업계에서 많은 사람들이 사용하는 핵심 도구입니다. 이 업스트림 JMP 세션에서 시스템 엔지니어인 Nick Shelton은 지질 및 완성 매개변수를 사용하여 유정을 클러스터링한 다음 이러한 클러스터를 그룹화 범주로 사용하여 기계 학습 도구인 지원 벡터 머신을 사용하여 하락 곡선을 예측하는 작업 흐름을 강조합니다. 그는 훨씬 더 강력한 예측 모델을 달성하고 유정을 배치하기에 가장 좋은 위치에 대해 분석 정보를 바탕으로 결정을 내릴 수 있는 우아하고 간단한 포인트 앤 클릭 워크플로를 제시합니다.
소비자 및 시장 조사데이터 탐색 및 시각화Re: 업스트림의 JMP 02: 하락 곡선을 결정하기 위한 기계 학습 접근 방식DCA에 비해 명확한 이점과 ML이 의사 결정에 어떻게 도움이 되는지 보여주는 유용한 도구에 대한 매우 명확하고 흥미로운 설명입니다. 
공유해 주셔서 감사합니다!
