論文の概要: Oil reservoir recovery factor assessment using Bayesian networks based
on advanced approaches to analogues clustering
- arxiv url: http://arxiv.org/abs/2204.00413v1
- Date: Fri, 1 Apr 2022 13:23:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-04 18:28:57.918458
- Title: Oil reservoir recovery factor assessment using Bayesian networks based
on advanced approaches to analogues clustering
- Title（参考訳）: アナログクラスタリングを用いたベイズネットワークを用いた石油貯留層回復因子の評価
- Authors: Petr Andriushchenko, Irina Deeva, Anna Bubnova, Anton Voskresenskiy,
Nikita Bukhanov, Nikolay Nikitin and Anna Kalyuzhnaya
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The work focuses on the modelling and imputation of oil and gas reservoirs
parameters, specifically, the problem of predicting the oil recovery factor
(RF) using Bayesian networks (BNs). Recovery forecasting is critical for the
oil and gas industry as it directly affects a company's profit. However,
current approaches to forecasting the RF are complex and computationally
expensive. In addition, they require vast amount of data and are difficult to
constrain in the early stages of reservoir development. To address this
problem, we propose a BN approach and describe ways to improve parameter
predictions' accuracy. Various training hyperparameters for BNs were
considered, and the best ones were used. The approaches of structure and
parameter learning, data discretization and normalization, subsampling on
analogues of the target reservoir, clustering of networks and data filtering
were considered. Finally, a physical model of a synthetic oil reservoir was
used to validate BNs' predictions of the RF. All approaches to modelling based
on BNs provide full coverage of the confidence interval for the RF predicted by
the physical model, but at the same time require less time and data for
modelling, which demonstrates the possibility of using in the early stages of
reservoirs development. The main result of the work can be considered the
development of a methodology for studying the parameters of reservoirs based on
Bayesian networks built on small amounts of data and with minimal involvement
of expert knowledge. The methodology was tested on the example of the problem
of the recovery factor imputation.
- Abstract（参考訳）: 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。
回復予測は石油・ガス産業にとって、会社の利益に直接影響を及ぼすため、非常に重要である。
しかし、現在のRF予測手法は複雑で計算コストが高い。
加えて、大量のデータを必要としており、貯水池開発の初期段階では制約が難しい。
この問題に対処するために、BNアプローチを提案し、パラメータ予測の精度を改善する方法について述べる。
bnsの様々なトレーニング用ハイパーパラメータが検討され、最良のものを使用した。
構造とパラメータ学習,データの離散化と正規化,対象貯水池の類似点のサブサンプリング,ネットワークのクラスタリング,データフィルタリングについて検討した。
最後に、合成油貯留層の物理モデルを用いて、BNsのRF予測を検証した。
BNに基づくモデリングのすべてのアプローチは、物理モデルによって予測されるRFの信頼区間を網羅するが、同時にモデリングの時間とデータも少なく、貯水池開発の初期段階での使用の可能性を示している。
この研究の主な成果は、少数のデータに基づいて構築されたベイジアンネットワークに基づく貯水池のパラメータを最小限の知識で研究する方法論の開発であると考えられる。
本手法は, 回復因子インプテーションの問題を例として検証した。
関連論文リスト
- On the Impact of PRB Load Uncertainty Forecasting for Sustainable Open RAN [2.526444902695476]
持続可能なOpen Radio Access Network(O-RAN)アーキテクチャへの移行は、リソース管理に新たな課題をもたらす。
本稿では,確率的予測手法を用いて物理資源ブロック(PRB)負荷を特徴付ける新しい手法を提案する。
論文 参考訳（メタデータ） (2024-07-19T15:25:20Z) - Long-term drought prediction using deep neural networks based on geospatial weather data [75.38539438000072]
農業計画や保険には1年前から予測される高品質の干ばつが不可欠だ。
私たちは、体系的なエンドツーエンドアプローチを採用するエンドツーエンドアプローチを導入することで、干ばつデータに取り組みます。
主な発見は、TransformerモデルであるEarthFormerが、正確な短期(最大6ヶ月)の予測を行う際の例外的なパフォーマンスである。
論文 参考訳（メタデータ） (2023-09-12T13:28:06Z) - Advanced Deep Regression Models for Forecasting Time Series Oil
Production [3.1383147856975633]
本研究の目的は、逐次畳み込みと長寿命メモリ(LSTM)ユニットを用いた高度なデータ駆動回帰モデルを開発することである。
LSTMに基づくシーケンス学習モデルは,平均絶対誤差(MAE)とR2スコア(111.16点,0.98点)の1次元畳み込みニューラルネットワーク(CNN)よりも石油生産を予測できることがわかった。
論文 参考訳（メタデータ） (2023-08-30T15:54:06Z) - Towards Long-Term predictions of Turbulence using Neural Operators [68.8204255655161]
機械学習を用いて乱流シミュレーションのための低次/サロゲートモデルを開発することを目的としている。
異なるモデル構造が解析され、U-NET構造は標準FNOよりも精度と安定性が良い。
論文 参考訳（メタデータ） (2023-07-25T14:09:53Z) - Prediction-Oriented Bayesian Active Learning [51.426960808684655]
予測情報ゲイン(EPIG)は、パラメータではなく予測空間における情報ゲインを測定する。
EPIGは、さまざまなデータセットやモデルにわたるBALDと比較して、予測パフォーマンスが向上する。
論文 参考訳（メタデータ） (2023-04-17T10:59:57Z) - A VAE-Based Bayesian Bidirectional LSTM for Renewable Energy Forecasting [0.4588028371034407]
再生可能エネルギーの断続的な性質は ネットワークの運用計画に 新たな課題をもたらします
本稿では,データとモデルの不確実性に対処し,再生可能発電予測のための新しいベイズ確率的手法を提案する。
VAE-Bayesian BiLSTMは、データセットの異なるサイズに対する予測精度と計算効率において、他の確率的深層学習法よりも優れていると推定された。
論文 参考訳（メタデータ） (2021-03-24T03:47:20Z) - Oil and Gas Reservoirs Parameters Analysis Using Mixed Learning of
Bayesian Networks [0.0]
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。
論文 参考訳（メタデータ） (2021-03-02T15:27:49Z) - Machine learning for recovery factor estimation of an oil reservoir: a
tool for de-risking at a hydrocarbon asset evaluation [9.61254236966596]
本稿では,貯水池パラメータと代表統計値を用いた石油回収率推定のためのデータ駆動手法を提案する。
先進的な機械学習手法を歴史的世界の油田データセットに適用する。
論文 参考訳（メタデータ） (2020-10-07T13:33:43Z) - Unlabelled Data Improves Bayesian Uncertainty Calibration under
Covariate Shift [100.52588638477862]
後続正則化に基づく近似ベイズ推定法を開発した。
前立腺癌の予後モデルを世界規模で導入する上で,本手法の有用性を実証する。
論文 参考訳（メタデータ） (2020-06-26T13:50:19Z) - Belief Propagation Reloaded: Learning BP-Layers for Labeling Problems [83.98774574197613]
最も単純な推論手法の1つとして、切り詰められた最大積のBelief伝播を取り上げ、それをディープラーニングモデルの適切なコンポーネントにするために必要となるものを加えます。
このBP-Layerは畳み込みニューラルネットワーク(CNN)の最終ブロックまたは中間ブロックとして使用できる
このモデルは様々な密集予測問題に適用可能であり、パラメータ効率が高く、ステレオ、光フロー、セマンティックセグメンテーションにおける堅牢な解を提供する。
論文 参考訳（メタデータ） (2020-03-13T13:11:35Z) - Learnable Bernoulli Dropout for Bayesian Deep Learning [53.79615543862426]
Learnable Bernoulli Dropout (LBD) は、他のモデルパラメータと共に最適化されたパラメータとしてドロップアウト率を考慮する新しいモデルに依存しないドロップアウトスキームである。
LBDは画像分類とセマンティックセグメンテーションにおける精度と不確実性の推定を改善する。
論文 参考訳（メタデータ） (2020-02-12T18:57:14Z)
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。