809966_de-DE

liliconcom

Erstellen fortschrittlicher Vorhersagemodelle – Fallstudie aus der Öl- und Gasindustrie

In dieser Fallstudie werden JMP und JMP Pro verwendet, um optimale geologische und Fertigstellungsparameter in Upstream-Prozessen der Öl- und Gasindustrie (Identifizierung, Extraktion und Produktion von Rohstoffen) zu finden.

Erfahren Sie, wie Sie:

• Verstehen Sie das Ziel der Modelle – den Punkt zu bestimmen, an dem der Nutzen bei der Verwendung zusätzlicher, teurer Feststoffe (Stützmittel) im Prozess abnimmt.
• Verstehen Sie die interessante Antwort – die Bruttomenge an Öl und Gas, die aus einer bestimmten Bohrung innerhalb eines Jahres gefördert wurde.
• Verstehen Sie die Studienfaktoren
  • Kontrollierte Faktoren (20 Fertigstellungsparameter, Menge des Stützmittels, Bohrlochperforationstiefe, Anzahl der Fertigstellungsphasen, seitliche Bohrlochlänge)
  • Pseudokontrollierte Faktoren (Standortparameter, Landkreis, Breitengrad, Längengrad)
  • Unkontrollierte Faktoren (23 geologische Parameter, Fazies, Reservoirdicke, Porosität und Durchlässigkeit, (TOC) gesamter organischer Kohlenstoff)
• Daten für die Analyse vorbereiten
  • Behandeln fehlender Werte mittels Imputation
• Verwenden Sie Predictor Screening, um signifikante Prädiktoren aus allen Faktoren zu identifizieren
  • Ordnen Sie alle Prädiktoren mit Bootstrap Forest ein
• Erstellen Sie ein Modell mit „Fit Model“, um mithilfe verschiedener Anpassungstechniken, Modellparameter und zusätzlicher Einstellungen, einschließlich Zufallseffekten, schnell einfache bis komplexe lineare Modelle zu entwickeln.
  • Erstellen Sie ein Standardmodell der kleinsten Quadrate (JMP)
  • Schrittweises Regressionsmodell erstellen (JMP)
  • Logistisches Regressionsmodell erstellen (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 Ensemble-Modell durch Mittelung vieler Entscheidungsbäume anzupassen
  • Sehen Sie, wie jede Aufteilung eine zufällige Teilmenge der Prädiktoren berücksichtigt
  • Verwenden Sie den Prediction Profiler, um den Punkt abnehmender Erträge zu identifizieren

Erweiterte statistische Modellierung