Анализ применимости алгоритмов машинного обучения для задач интерполяции и прогноза геологических свойств в межскважинном пространстве
https://doi.org/10.24887/2587-7399-2018-4-13-16
Об авторах
Д. В. Егоров
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
Россия
Россия
Б. В. Белозеров
Научно-Технический Центр «Газпром нефти» (ООО «Газпромнефть НТЦ»)
Россия
Россия
Список литературы
1. Krizhevsky A., Sutskever I., Hinton G. ImageNet сlassification with deep convolutional neural networks, NIPS 2012, 2012. – http://www.image-net.org/challenges/LSVRC/2012/supervision.pdf.
2. Song Y., Zhou Y., Han R. Neural networks for stock price prediction //Journal of Difference Equation and Applications. – 2018. – May. – Р. 1–14.
3. Razzak I., Naz S., Zaib A. Deep learning for medical image processing: Overview, Challenges and Future, Classification in BioApps, 2017. – P. 323 – 350.
4. Support vector machines for classification and mapping of reservoir data / M. Kanevski, A. Pozdnukhov, S. Canu, P. Wong // Soft computing for Reservoir Characterization and Modeling. – 2002. – V. 80. – Р. 531–558.
5. Geomodelling of a fluvial system with semi-supervised support vector regression / V. Demyanov, A. Pozdnoukhov, M. Kanevski, M. Christie//VIII International Geostatistics Congress, 2008.
6. Vapnik V., Statistical Learning Theory. – New York: Wiley, 1998.
Рецензия
Для цитирования:
Егоров Д.В., Белозеров Б.В. Анализ применимости алгоритмов машинного обучения для задач интерполяции и прогноза геологических свойств в межскважинном пространстве. PROНЕФТЬ. Профессионально о нефти. 2018;(4):13-16. https://doi.org/10.24887/2587-7399-2018-4-13-16
For citation:
Egorov D.V., Belozerov B.V. Analysis of machine learning algorithms applicability for tasks of interpolation and geological properties forecasting within interwell space. PROneft. Professionally about Oil. 2018;(4):13-16. (In Russ.) https://doi.org/10.24887/2587-7399-2018-4-13-16
Просмотров:
102
Послать статью по эл. почте 