311072_de-DE

liliconcom

Aufbau fortschrittlicher Vorhersagemodelle – Fallstudie zu Öl und Gas

In dieser Fallstudie werden JMP und JMP Pro verwendet, um optimale geologische Parameter und Abschlussparameter in vorgelagerten Öl- und Gasprozessen (Identifizierung, Gewinnung und Produktion von Rohstoffen) zu finden.

 

 

 

Erfahren Sie, wie Sie:

• Verstehen Sie das Ziel der Modelle – den Punkt zu bestimmen, an dem sich die Verwendung von zusätzlichem, teurem Feststoffmaterial (Stützmittel) im Prozess verringert
• Verstehen Sie die Reaktion des Interesses – Bruttomenge an Öl und Gas, die über ein Jahr aus einer bestimmten Quelle gefördert wurde.
• Verstehen Sie die Studienfaktoren
  • Kontrollierte Faktoren (20 Fertigstellungsparameter, Menge an Stützmittel, Tiefe der Bohrlochperforation, Anzahl der Fertigstellungsstufen, seitliche Bohrlochlänge)
  • Pseudokontrollierte Faktoren (Standortparameter, Landkreis, Breitengrad, Längengrad)
  • Unkontrollierte Faktoren (23 geologische Parameter, Fazies, Reservoirdicke, Porosität und Permeabilität, (TOC) gesamter organischer Kohlenstoff)
• Bereiten Sie Daten für die Analyse vor
  • Behandeln Sie fehlende Werte mithilfe der Imputation
• Verwenden Sie das Prädiktor-Screening, um aus allen Faktoren signifikante Prädiktoren zu identifizieren
  • Ordnen Sie alle Prädiktoren mithilfe von Bootstrap Forest
• Erstellen Sie ein Modell mithilfe von „Modell anpassen“, um mithilfe verschiedener Anpassungstechniken, Modellparameter und zusätzlicher Einstellungen, einschließlich zufälliger Effekte, schnell einfache bis komplexe lineare Modelle zu entwickeln
  • Konstruieren Sie das Standardmodell der kleinsten Quadrate (JMP)
  • Erstellen Sie ein schrittweises Regressionsmodell (JMP)
  • Erstellen Sie ein logistisches Regressionsmodell (JMP)
  • Verwenden Sie Generalized Regression (Pro), um Text-, Validierungs- und Trainingssätze zu erstellen und dann korrelierte und hochdimensionale Daten zu modellieren
• Verwenden Sie JMP Pro, um ein Ensemblemodell durch Mittelung vieler Entscheidungsbäume anzupassen
  • Sehen Sie, wie jede Aufteilung eine zufällige Teilmenge der Prädiktoren berücksichtigt
  • Verwenden Sie Prediction Profiler, um den Punkt zu ermitteln, an dem die Erträge sinken

Erweiterte statistische Modellierung