Narzędzia help

Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
first previous next last
cannonical link button

http://yadda.icm.edu.pl:80/baztech/element/bwmeta1.element.baztech-0ec3c4ce-c5a9-422c-a7f8-78188f56337c

Czasopismo

Prace Naukowe Instytutu Nafty i Gazu

Tytuł artykułu

Optymalizacja liczby predyktorów w analizie statystycznej danych geofizycznych metodami inteligencji komputerowej

Autorzy Zych, M.  Jarzyna, J. 
Treść / Zawartość http://www.inig.pl/wydawnictwa-inig-pib/prace-naukowe-inig-pib
Warianty tytułu
EN Predictors number optimization in the well logging data statistical analysis using computer intelligence methods
Konferencja Geopetrol 2016 : Współpraca nauki i przemysłu w rozwoju poszukiwań i eksploatacji złóż węglowodorów : X Międzynarodowa Konferencja Naukowo-Techniczna : Zakopane 19--22.09.2016
Języki publikacji PL
Abstrakty
PL W pracy przedstawiono problem wyboru liczby danych wejściowych (predyktorów) w rozwiązywaniu zadania regresyjnego metodami inteligencji komputerowej (sztuczne sieci neuronowe – MLP i SVM). Metody geofizyczne, w szczególności profilowania geofizyki otworowej, dają dużą liczbę parametrów petrofizycznych, jednak nie każdy zestaw danych musi być informatywny w zakresie poszukiwanej zmiennej. Dlatego warto stosować dodatkowe analizy statystyczne, np. metodę analizy składowych głównych (PCA), czy wykorzystać badanie czułości dostarczane przez sieci neuronowe, aby ograniczyć liczbę predyktorów bez straty informacji. Problem przedstawiono na przykładzie wyznaczania całkowitej zawartości węgla organicznego (TOC) z wykorzystaniem profilowań geofizyki otworowej.
EN The paper presents the problem of choosing the number of input data (predictors) in solving the task regression of computer intelligence methods (artificial neural networks – MLP and SVM). Geophysical methods, in particular well logging, provide a large number of petrophysical parameters. However, not every data set must be informative in terms of the desired variable. Therefore, it can be used additional statistical analyzes, e.g. the method of Principal Components Analysis (PCA), or Global Sensitivity Analysis provided by artificial neural network analysis to reduce the number of predictor variables without loss of information. The problem is exemplified by determination of total organic carbon (TOC) using well logs.
Słowa kluczowe
PL dane geofizyczne   analiza statystyczna   predyktory  
EN well logging   statistical analysis   predictors  
Wydawca Instytut Nafty i Gazu - Państwowy Instytut Badawczy
Czasopismo Prace Naukowe Instytutu Nafty i Gazu
Rocznik 2016
Tom nr 209 wyd. konferencyjne
Strony 581--584
Opis fizyczny Bibliogr. 6 poz., tab.
Twórcy
autor Zych, M.
  • AGH Akademia Górniczo-Hutnicza im. St. Staszica, Wydział Geologii, Geofizyki i Ochrony Środowiska, Katedra Geofizyki
autor Jarzyna, J.
  • AGH Akademia Górniczo-Hutnicza im. St. Staszica, Wydział Geologii, Geofizyki i Ochrony Środowiska, Katedra Geofizyki
Bibliografia
[1] Zorski T., Ossowski A., Środoń J., Kawiak T. – Evaluation of mineral composition and petrophysical parameters by the integration of core analysis data and wireline well log data: the Carpathian Foredeep case study, Clay Minerals. Journal of the European Clay Groups 2011, vol. 46, nr 1, pp. 25 – 45.
[2] Ha Quang M., Jarzyna J. – Integration of core, well logging and 2D seismic data to improve a reservoir rock model: a case study of gas accumulation in the NE Polish Carpathian Foredeep. Geological Quarterly 2013, vol. 57(2), pp. 289 – 306.
[3] Wawrzyniak-Guz K., Jarzyna J.A., Zych M., Bała M., Krakowska P.I., Puskarczyk E. – Analysis of the Heterogeneity of the Polish Shale Gas Formations by Factor Analysis on the Basis of Well Logs, 78th EAGE Conference and Exhibition 2016, DOI: 10.3997/2214-4609.201600775.
[4] Górecki T. – Podstawy statystyki z przykładami w R. BTC, Legionowo 2011.
[5] Osowski S. – Metody i narzędzia eksploracji danych. BTC, Legionowo 2013.
[6] StatSoft, Electronic Statistic Textbook, www.statsoft.pl/textbook/stathome.html (dostęp: maj 2016).
Uwagi
Artykuł w części: Sekcja V – Realizacja Programu Blue Gas – Polski Gaz Łupkowy. Projekt pt. Opracowanie optymalnych koncepcji zagospodarowania złóż niekonwencjonalnych z uwzględnieniem aspektów środowiskowych (ResDev). Sesja posterowa
Kolekcja BazTech
Identyfikator YADDA bwmeta1.element.baztech-0ec3c4ce-c5a9-422c-a7f8-78188f56337c
Identyfikatory