Fugu-MT 論文翻訳(概要): Forecasting the abnormal events at well drilling with machine learning

論文の概要: Forecasting the abnormal events at well drilling with machine learning

arxiv url: http://arxiv.org/abs/2203.05378v1
Date: Thu, 10 Mar 2022 14:11:35 GMT
ステータス: 処理完了
システム内更新日: 2022-03-11 15:42:47.482735
Title: Forecasting the abnormal events at well drilling with machine learning
Title（参考訳）: 機械学習による坑井掘削における異常事象予測
Authors: Ekaterina Gurina, Nikita Klyuchnikov, Ksenia Antipova and Dmitry Koroteev
Abstract要約: 本稿では,事故予測のためのデータ駆動および物理インフォームドアルゴリズムを提案する。コア機械学習アルゴリズムは、時系列を表す掘削テレメトリのデータを使用する。我々は,6種類の掘削事故の確率をリアルタイムに予測できる時系列のBag-of-features表現を開発した。
参考スコア（独自算出の注目度）: 1.105297743931016
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a data-driven and physics-informed algorithm for drilling accident forecasting. The core machine-learning algorithm uses the data from the drilling telemetry representing the time-series. We have developed a Bag-of-features representation of the time series that enables the algorithm to predict the probabilities of six types of drilling accidents in real-time. The machine-learning model is trained on the 125 past drilling accidents from 100 different Russian oil and gas wells. Validation shows that the model can forecast 70% of drilling accidents with a false positive rate equals to 40%. The model addresses partial prevention of the drilling accidents at the well construction.
Abstract（参考訳）: 事故予測のためのデータ駆動・物理インフォームドアルゴリズムを提案する。コア機械学習アルゴリズムは、時系列を表すドリルテレメトリのデータを使用する。我々は,6種類の掘削事故の確率をリアルタイムに予測できる時系列のBag-of-features表現を開発した。この機械学習モデルは、ロシアの油田やガス井100箇所の掘削事故125件に基づいて訓練されている。検証の結果, 掘削事故の70%を偽陽性率で予測できることがわかった。このモデルは坑井工事における掘削事故の部分的にの防止に対処する。

関連論文リスト

Balancing Computational Efficiency and Forecast Error in Machine Learning-based Time-Series Forecasting: Insights from Live Experiments on Meteorological Nowcasting [0.0]
本稿では,気象情報を用いた計算コストと予測誤差の関係について述べる。 5日間のライブ実験では、4000のデータソースがトレーニングのためにストリームされ、1時間あたり144モデルが参照された。その結果, 分散ホライゾンを用いることで計算使用量を50%以上削減し, 誤差は0～15%増加した。
論文参考訳（メタデータ） (2023-09-26T19:10:00Z)
Rapid Flood Inundation Forecast Using Fourier Neural Operator [77.30160833875513]
洪水浸水予測は洪水前後の緊急計画に重要な情報を提供する。近年,高分解能な流体力学モデリングが普及しつつあるが,道路の洪水範囲やリアルタイムのビルディングレベルは依然として計算的に要求されている。洪水範囲と浸水深度予測のためのハイブリッドプロセスベースおよびデータ駆動機械学習(ML)アプローチを提案する。
論文参考訳（メタデータ） (2023-07-29T22:49:50Z)
Making the black-box brighter: interpreting machine learning algorithm for forecasting drilling accidents [1.105297743931016]
石油・ガス井掘削時の事故・異常を予測するためのブラックボックス警報システムの解釈手法を提案する。解釈手法は,事故予測モデルの局所的挙動を掘削技術者に説明することを目的としている。
論文参考訳（メタデータ） (2022-09-06T07:06:16Z)
A Case Study on the Classification of Lost Circulation Events During Drilling using Machine Learning Techniques on an Imbalanced Large Dataset [0.0]
イランのアザデガン油田から得られた65,000以上のデータと階級不均衡問題を利用する。データセットの17のパラメータのうち11は、5つの失われた循環イベントの分類に使用される。分類モデルを生成するために,6つの基本機械学習アルゴリズムと4つのアンサンブル学習手法を用いた。
論文参考訳（メタデータ） (2022-09-04T12:28:40Z)
Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced Dataset and Benchmark [62.997667081978825]
本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
論文参考訳（メタデータ） (2022-05-20T21:15:26Z)
Physics Informed Shallow Machine Learning for Wind Speed Prediction [66.05661813632568]
イタリアの32カ所の標高10mの風速計から観測された大量の風のデータセットを分析した。我々は、過去の風の履歴を用いて教師あり学習アルゴリズムを訓練し、その価値を将来予測する。最適設計と性能は場所によって異なることがわかった。
論文参考訳（メタデータ） (2022-04-01T14:55:10Z)
Active Learning of Neural Collision Handler for Complex 3D Mesh Deformations [68.0524382279567]
3次元変形メッシュにおける衝突の検出と処理を行う頑健な学習アルゴリズムを提案する。提案手法は教師あり学習法より優れ, 精度は93.8-98.1%である。
論文参考訳（メタデータ） (2021-10-08T04:08:31Z)
Prediction of severe thunderstorm events with ensemble deep learning and radar data [0.0]
本稿では,激しい雷雨の予報をタイムリーに鳴らすことができる警報装置を実現するためのディープラーニング手法について述べる。この警報装置はイタリアのリグリア地方で記録された気象レーダーデータに対して検証されている。
論文参考訳（メタデータ） (2021-09-20T18:43:13Z)
Neuroscience-Inspired Algorithms for the Predictive Maintenance of Manufacturing Systems [0.24999074238880484]
階層型時間記憶(HTM)を用いた予測保守のためのオンラインリアルタイム異常検出手法を提案する。ヒトの新皮質に触発されて、htmは継続的に学習し、適応し、雑音に頑健である。このアプローチは平均スコア64.71に達し、最先端のディープラーニング(49.38)と統計的手法(61.06)を上回っている。
論文参考訳（メタデータ） (2021-02-23T01:31:09Z)
A model for traffic incident prediction using emergency braking data [77.34726150561087]
道路交通事故予測におけるデータ不足の根本的な課題を、事故の代わりに緊急ブレーキイベントをトレーニングすることで解決します。メルセデス・ベンツ車両の緊急ブレーキデータに基づくドイツにおける交通事故予測モデルを実装したプロトタイプを提案する。
論文参考訳（メタデータ） (2021-02-12T18:17:12Z)
To be Robust or to be Fair: Towards Fairness in Adversarial Training [83.42241071662897]
逆行訓練アルゴリズムは、異なるデータ群間の精度と堅牢性に深刻な違いをもたらす傾向がある。本稿では、敵防衛を行う際の不公平問題を軽減するためのFair-Robust-Learning(FRL)フレームワークを提案する。
論文参考訳（メタデータ） (2020-10-13T02:21:54Z)

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。