Перейти к основному контенту Перейти к главному меню навигации Перейти к нижнему колонтитулу сайта
Вестник «Физико-математические науки»

ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ НА ОСНОВЕ ДАННЫХ РАЗЛИЧНЫХ ГОРНЫХ ПОРОД

Опубликован 09-2023
Сатбаев Университет, г. Алматы, Республика Казахстан
Казахский Национальный университет имени Аль-Фараби, г.Алматы, Казахстан
Сатбаев Университет, г. Алматы, Республика Казахстан
Сатбаев Университет, г. Алматы, Республика Казахстан
Аннотация

Абсолютная проницаемость является важным транспортным свойством пористой среды, требующая определение на специальных оборудованиях, поэтому ее определение является актуальной задачей. В настоящей статье изучается эффективность регрессионных алгоритмов машинного обучения для прогнозирования абсолютной проницаемости различных пород. Сравнены производительности таких алгоритмов как Random Forest, Gradient Boosting, Support Vector, Lasso, k-Nearest Neighbors и Gaussian Process на основе данных 266 мини-образцов карбонатных и песчаных пород, а также исскуственной песчаной упаковки. С каждого из этих мини-образцов извлечены их такие свойства как радиус пор, радиус горловины пор, координационное число, пористость, удельная площадь поверхности пор, извилистость и абсолютная проницаемость с помощью поросетевого моделирования течения однофазной жидкости сквозь каждого мини-образца. Было исследовано влияние соотношения обучающего и тестового набора данных (70/30 и 80/20) и количества признаков в наборе данных на производительность каждого из выше рассмотренных алгоритмов. Результаты показали, что для рассматриваемого набора данных алгоритм Random Forest являлся наиболее подходящим для прогнозирования абсолютной проницаемости с высокой достоверности. Наибольший коэффициент достоверности прогноза составил R2=0.83, и он был получен при использовании 5 из 6 признаков в наборе данных. Алгоритм Gradient Boosting тоже показал хорошую прогнозирующую способность абсолютной проницаемости, хотя он выбирал практически одного признака (пористости) как важным. Его наибольший коэффициент составил R2=0.73 при 80/20. Результаты исследования также показали, что все алгоритмы, кроме Random Forest, предсказали существенно завышенные минимальные проницаемости. А также все алгоритмы, кроме Support Vector и k-Nearest Neighbors, предсказали среднее значение проницаемости с наименьшими погрешностями.

pdf
Язык

Рус

Как цитировать

[1]
Асилбеков, Б., Қалжанов, Н., Болысбек, Д. и Узбекалиев, К. 2023. ИССЛЕДОВАНИЕ ЭФФЕКТИВНОСТИ АЛГОРИТМОВ МАШИННОГО ОБУЧЕНИЯ НА ОСНОВЕ ДАННЫХ РАЗЛИЧНЫХ ГОРНЫХ ПОРОД. Вестник «Физико-математические науки». 83, 3 (сен. 2023), 123–136. DOI:https://doi.org/10.51889/2959-5894.2023.83.3.015.