論文の概要: Oil and Gas Reservoirs Parameters Analysis Using Mixed Learning of
Bayesian Networks
- arxiv url: http://arxiv.org/abs/2103.01804v1
- Date: Tue, 2 Mar 2021 15:27:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-03 17:15:58.719534
- Title: Oil and Gas Reservoirs Parameters Analysis Using Mixed Learning of
Bayesian Networks
- Title（参考訳）: ベイズネットワークの混合学習を用いた石油・ガス貯留層パラメータ解析
- Authors: Irina Deeva, Anna Bubnova, Petr Andriushchenko, Anton Voskresenskiy,
Nikita Bukhanov, Nikolay O. Nikitin, Anna V. Kalyuzhnaya
- Abstract要約: この手法はベイズネットワークの構造学習のための拡張アルゴリズムMixLearn@BNに基づいている。
この手法は、世界中の1000以上の石油貯水池のデータベースに適用された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, a multipurpose Bayesian-based method for data analysis, causal
inference and prediction in the sphere of oil and gas reservoir development is
considered. This allows analysing parameters of a reservoir, discovery
dependencies among parameters (including cause and effects relations), checking
for anomalies, prediction of expected values of missing parameters, looking for
the closest analogues, and much more. The method is based on extended algorithm
MixLearn@BN for structural learning of Bayesian networks. Key ideas of
MixLearn@BN are following: (1) learning the network structure on homogeneous
data subsets, (2) assigning a part of the structure by an expert, and (3)
learning the distribution parameters on mixed data (discrete and continuous).
Homogeneous data subsets are identified as various groups of reservoirs with
similar features (analogues), where similarity measure may be based on several
types of distances. The aim of the described technique of Bayesian network
learning is to improve the quality of predictions and causal inference on such
networks. Experimental studies prove that the suggested method gives a
significant advantage in missing values prediction and anomalies detection
accuracy. Moreover, the method was applied to the database of more than a
thousand petroleum reservoirs across the globe and allowed to discover novel
insights in geological parameters relationships.
- Abstract（参考訳）: 本稿では,石油・ガス貯留層開発におけるデータ解析,因果推論,予測のための多目的ベイズ法について考察する。
これにより、貯水池のパラメータの分析、パラメータ間の発見依存性(原因と影響の関係を含む)、異常のチェック、欠落したパラメータの期待値の予測、最も近い類似点の検索などが可能になる。
この手法はベイズネットワークの構造学習のための拡張アルゴリズムMixLearn@BNに基づいている。
MixLearn@BNの主なアイデアは、(1)均質なデータサブセット上のネットワーク構造を学習すること、(2)専門家によって構造の一部を割り当てること、(3)混合データ上の分布パラメータを学習すること(離散的および連続的)である。
均質なデータサブセットは類似した特徴(アナローグ)を持つ貯水池のさまざまなグループとして識別され、類似度測定はいくつかの種類の距離に基づいている可能性がある。
ベイジアンネットワーク学習の手法は,そのようなネットワーク上での予測や因果推論の質を向上させることを目的としている。
実験により,提案手法が欠落値の予測と異常検出精度に有意な利点があることが証明された。
さらに、この手法は世界中の1000以上の石油貯水池のデータベースに適用され、地質学的パラメーターの関係に関する新たな知見を発見できた。
関連論文リスト
- Rethinking Clustered Federated Learning in NOMA Enhanced Wireless
Networks [60.09912912343705]
本研究では,新しいクラスタ化フェデレーション学習(CFL)アプローチと,非独立かつ同一に分散した(非IID)データセットを統合することのメリットについて検討する。
データ分布における非IIDの度合いを測定する一般化ギャップの詳細な理論的解析について述べる。
非IID条件によって引き起こされる課題に対処する解決策は、特性の分析によって提案される。
論文 参考訳（メタデータ） (2024-03-05T17:49:09Z) - Gaussian Mixture Models for Affordance Learning using Bayesian Networks [50.18477618198277]
Affordancesはアクション、オブジェクト、エフェクト間の関係の基本的な記述である。
本稿では,世界を探究し,その感覚経験から自律的にこれらの余裕を学習するエンボディエージェントの問題にアプローチする。
論文 参考訳（メタデータ） (2024-02-08T22:05:45Z) - Towards stable real-world equation discovery with assessing
differentiating quality influence [52.2980614912553]
一般的に用いられる有限差分法に代わる方法を提案する。
我々は,これらの手法を実問題と類似した問題に適用可能であること,および方程式発見アルゴリズムの収束性を確保する能力の観点から評価する。
論文 参考訳（メタデータ） (2023-11-09T23:32:06Z) - Hodge-Aware Contrastive Learning [101.56637264703058]
単純コンプレックスは、マルチウェイ依存によるデータのモデリングに有効である。
我々は、単純なデータを処理するための対照的な自己教師付き学習手法を開発した。
論文 参考訳（メタデータ） (2023-09-14T00:40:07Z) - Tackling Computational Heterogeneity in FL: A Few Theoretical Insights [68.8204255655161]
我々は、計算異種データの形式化と処理を可能にする新しい集約フレームワークを導入し、分析する。
提案するアグリゲーションアルゴリズムは理論的および実験的予測から広範囲に解析される。
論文 参考訳（メタデータ） (2023-07-12T16:28:21Z) - Bayesian Networks for Named Entity Prediction in Programming Community
Question Answering [0.0]
ベイジアンネットワークを用いた自然言語処理のための新しい手法を提案し,その文脈を予測・解析する。
ベイジアンネットワークとBIC、BDeu、K2、Chow-Liuといったスコアメトリクスを比較した。
さらに,有向非巡回グラフの可視化を行い,意味的関係を解析する。
論文 参考訳（メタデータ） (2023-02-26T07:26:36Z) - Oil reservoir recovery factor assessment using Bayesian networks based
on advanced approaches to analogues clustering [0.0]
この研究は、石油・ガス貯水池パラメータのモデル化と計算、特にベイズネットワーク(BN)を用いた石油回収係数(RF)予測の問題に焦点を当てている。
この研究の主な成果は、BNに基づいて貯水池のパラメータを研究する方法論の開発であると考えられる。
論文 参考訳（メタデータ） (2022-04-01T13:23:36Z) - Hybrid Bayesian network discovery with latent variables by scoring
multiple interventions [5.994412766684843]
離散データから構造学習を行うためのハイブリッドmFGS-BSアルゴリズムを提案する。
このアルゴリズムは潜伏変数の存在下で因果不整合を仮定し、部分アンセストラルグラフ(PAG)を生成する。
実験の結果,mFGS-BSは最先端技術と比較して構造学習精度が向上し,計算効率が向上した。
論文 参考訳（メタデータ） (2021-12-20T14:54:41Z) - NOTMAD: Estimating Bayesian Networks with Sample-Specific Structures and
Parameters [70.55488722439239]
提案するNOTMADは,サンプルコンテキストに応じてアーキティパルネットワークの混合を学習する。
患者固有の遺伝子発現ネットワークを含む分析および実験を通じて,NOTMADとサンプル特異的ネットワーク推論の有用性を実証する。
論文 参考訳（メタデータ） (2021-11-01T17:17:34Z) - Semiparametric Bayesian Networks [5.205440005969871]
パラメトリックおよび非パラメトリック条件付き確率分布を組み合わせた半パラメトリックベイズネットワークを提案する。
彼らの目的は、パラメトリックモデルの有界複雑性と非パラメトリックモデルの柔軟性を統合することである。
論文 参考訳（メタデータ） (2021-09-07T11:47:32Z) - GENs: Generative Encoding Networks [4.269725092203672]
本稿では,未知のデータ分布と未知のターゲット分布を一致させるために,Jensen-Shannon分散を推定するための非パラメトリック密度法を提案し,解析する。
この分析法には、サンプル量のトレーニングが低いときのより良い振舞い、証明可能な収束特性、比較的少ないパラメータ、分析的に導出できるパラメータなど、いくつかの利点がある。
論文 参考訳（メタデータ） (2020-10-28T23:40:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。