Применение машинного обучения по ансамблю решающих правил для вычисления прогноза дополнительного КИН (Федор Краснов, SECR-2017) — различия между версиями
Материал из 0x1.tv
StasFomin (обсуждение | вклад) |
StasFomin (обсуждение | вклад) (Batch edit: replace http://2017.secr.ru with http://2017.secrus.org) |
||
</blockquote> {{VideoSection}} {{vimeoembed|240325208|800|450}} {{youtubelink|4diXjoMfcvI}}{{letscomment}} {{SlidesSection}} [[File:Применение машинного обучения по ансамблю решающих правил для вычисления прогноза дополнительного КИН (Федор Краснов, SECR-2017).pdf|left|page=-|300px]] {{----}} {{LinksSection}} * [http://2017.secrus.ruorg/program/submitted-presentations/machine-learn-approach-to-eor-research Страничка доклада на сайте конференции] <!-- <blockquote>[©]</blockquote> --> * [https://www.youtube.com/watch?v=DfODAnqwrCE Видео «Технологии Геологоразведки»] <references/> <!-- topub --> {{stats|disqus_comments=1|refresh_time=2020-07-19T00:03:40.140412|vimeo_comments=0|vimeo_plays=33|youtube_comments=0|youtube_plays=18}} [[Категория:SECR-2017]] [[Категория:Machine Learning]] |
Версия 20:19, 23 июля 2020
- Докладчик
- Федор Краснов
Поиск оптимального совместного использования методов моделирования физических процессов и моделирования на основе машинного обучения является одним из приоритетных направлений исследований для ПАО ГазпромНефть.
Рассмотрение частной задачи по моделированию дополнительной нефтеотдачи (КИН) привело авторов к тому, что кроме традиционных вычислительных экспериментов на регулярной решётке более продуктивными могут стать вычисления с помощью алгоритмов машинного обучения. Авторы рассмотрели подход к построению прокси-моделей на основе Random Forest Regressor.
Видео
Посмотрели доклад? Понравился? Напишите комментарий! Не согласны? Тем более напишите.
Презентация
Примечания и ссылки
Plays:51 Comments:1