Assessment of predictive learning methods for the completion of gaps in well log data

هدف اصلی این کار این است که مقایسه گرادیان درخت تقویت، جنگل های تصادفی، شبکه های عصبی مصنوعی و سه الگوریتم رگرسیون خطی در پیش بینی شکاف در داده های ورودی خلبان. با توجه به سیاهههای مربوط به یک چاه خاص، ما از فواصل با اطلاعات کامل به عنوان داده های آموزشی برای یادگیری مدل رگرسیون یکی از سنسورهای آن استفاده می کنیم. الگوریتم ها با استفاده از چند چاه مثال های نمونه ای با اطلاعات کامل مقایسه می شوند، که در آن ما شکاف های مصنوعی را برای متقاعد کردن نتایج به دست می آوریم. ما نشان می دهیم که الگوریتم های گروهی به طور قابل ملاحظه ای بهتر عمل می کنند و نتایج حاصل از پردازش نمونه های مختلف به طور جداگانه صورت می گیرد. علاوه بر این، ما یک جستجوی شبکه را بر روی پارامترهای پارامترهای گروه انجام دادیم اما در هیچ شرایطی تفاوت آماری قابل توجهی را یافتیم.