Применение машинного обучения по ансамблю решающих правил для вычисления прогноза дополнительного КИН (Федор Краснов, SECR-2017) — различия между версиями

;{{SpeakerInfo}}: {{Speaker|Федор Краснов}}
<blockquote>
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.
</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.org/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=2021-08-31T18:00:27.154715|vimeo_comments=0|vimeo_plays=35|youtube_comments=0|youtube_plays=18}}

[[Категория:SECR-2017]]
[[Категория:Machine Learning]]