高度な予測モデルの構築 - 石油とガスのケーススタディこのケーススタディでは、JMP と JMP Pro を使用して、上流の石油およびガスプロセス (原材料の特定、抽出、生産) における最適な地質パラメータと完成パラメータを見つけます。
方法を参照してください:
- モデルの目標を理解する - プロセスで追加の高価な固体材料 (プロパント) を使用する場合の収益逓減点を決定する
- 関心のある反応、つまり特定の井戸から 1 年間にわたって生産された石油とガスの総量を理解します。
- 学習要素を理解する
- 制御因子 (20 の完成パラメーター、プロパントの量、坑井の穿孔深さ、完成段階の数、横方向の坑井の長さ)
- 擬似制御要因 (位置パラメータ、郡、緯度、経度)
- 制御されていない要因 (23 の地質パラメータ、相、貯留層の厚さ、空隙率と透水性、(TOC) 総有機炭素)
- 分析用のデータを準備する
- 予測因子スクリーニングを使用して、すべての要因から重要な予測因子を特定します
- Bootstrap Forest を使用してすべての予測子をランク付けする
- モデルのフィットを使用してモデルを構築し、さまざまなフィッティング手法、モデル パラメーター、変量効果を含む追加設定を使用して、単純な線形モデルから複雑な線形モデルまでを迅速に開発します。
- 標準最小二乗モデル (JMP) の構築
- 段階的回帰モデル (JMP) の構築
- ロジスティック回帰モデル (JMP) の構築
- 一般化回帰 (Pro) を使用してテキスト、検証セット、トレーニング セットを作成し、相関のある高次元データをモデル化します。
- JMP Pro を使用して、多くのデシジョン ツリーを平均してアンサンブル モデルを適合させる
- 各分割で予測子のランダムなサブセットがどのように考慮されるかを確認します。
- 予測プロファイラーを使用して収益逓減点を特定する
高度な統計モデリング
