Statystyczna i eksploracyjna analiza czasu życia systemów pomp głębinowych ESP

• Autorzy: Gorawski M. , Życiński J.

Warianty tytułu

EN

Statistical and data mining methods for survival analysis electrical sumersible pump systems

• Języki publikacji: PL

Abstrakty

PL

Systemy elektrycznych pomp głębinowych (ESP) wykorzystują jedną z metod sztucznego podnoszenia ropy naftowej, udoskonalającą proces produkcji w rezerwuarze. W artykule przeprowadzona jest statystyczna i eksploracyjna analiza czasu życia systemów ESP. W tym celu zastosowano estymator Kaplan-Meier oraz różne algorytmy eksploracji danych.

EN

Electrical submersible pump (ESP) systems are one of the more commonly used artificial lift methods that improve oil production from the well. This review of the literature describes survival analysis of ESP systems using statistical and data mining methodologies. Statistical analysis is based on the Kaplan-Meier estimator, while data mining utilizes a few traditional data mining algorithms.

Słowa kluczowe

PL

estymator Kaplan-Meier; algorytmy eksploracji danych; analiza czasu życia; elektryczne pompy głębinowe; ESP

EN

electrical submersible pumps (ESP); Kaplan-Meier estimator; data mining algorithms; survival analysis

• Wydawca: Wydawnictwo Politechniki Śląskiej
• Czasopismo: Studia Informatica
• Rocznik: 2008
• Tom: Vol. 29, nr 1
• Strony: 35--59
• Opis fizyczny: Bibliogr. 10 poz.

Twórcy

autor

Gorawski M.

autor

Życiński J.

• Instytut Informatyki Politechnika Śląska, 44-100 Gliwice, ul.Akademicka 16 tel.[phone],

Bibliografia

• 1. Kaplan E. L., Meier P.: Nonparametric estimation from incomplete observations. Journal of the American Statistical Association, Vol. 53, No. 282, 1958, s. 457-481.
• 2. Kantardzic M.,Data Mining: Concepts, Models, Methods, and Algorithms. John Wiley & Sons, 2003.
• 3. Harinath S., Quinn S. R.: Professional SQL Server Analysis Services 2005 with MDX, Wrox Press, 2006.
• 4. Brust A. J., Forte S.: Programming Microsoft SQL Server 2005. Microsoft Press, 2006.
• 5. Ville B.: Microsoft Data Mining: Integrated Business IntelHgence for e-Commerce and Knovledge Management, Digital Press, 2001.
• 6. Gorawski M.: Laboratorium hurtowni danych poziomu MS SQL SEVER 2005. Krajowa konferencja naukowa "Metody i narzędzia wytwarzania oprogramowania". Szklarska Poręba 2007, s. 583-596.
• 7. Motyka A., Tuzinkiewicz L.: Ocena implementacji algorytmów predykcji w Microsoft SQL Server 2005. Krajowa konferencja naukowa "Metody i narzędzia wytwarzania oprogramowania", Szklarska Poręba 2007, s. 3007^317.
• 8. Microsoft-Dokumentacja Microsoft SQL Server 2005.
• 9. Dokumentacja środowiska R - http://www.r-project.org/.
• 10. Schlumberger - broszura espWatcher, http://wvvw.slb.com/media/services/artificial/sub-mersible/espwatcher.pdf.