పెట్రోలియం & ఎన్విరాన్‌మెంటల్ బయోటెక్నాలజీ జర్నల్

నైరూప్య

మెషిన్ లెర్నింగ్ మోడల్స్ ఆధారంగా చమురు మరియు గ్యాస్ వెల్ ఉత్పత్తి అంచనా: ది వోల్వ్ ఫీల్డ్ కేస్

మోరెనో మిలన్

చమురు మరియు గ్యాస్ ఉత్పత్తి ప్రవాహ రేట్లు బాగా మరియు రిజర్వాయర్ ప్రమాణాలను అంచనా వేయడానికి ప్రస్తుత సాంకేతికతలు సంఖ్యా అనుకరణ నమూనాల ద్వారా శాస్త్రీయ క్షీణత వక్రతల విశ్లేషణ నుండి ఉన్నాయి. ప్రస్తుత పని కింది మెషిన్ లెర్నింగ్ మోడల్స్ (MLM) వినియోగాన్ని ప్రతిపాదించింది: లీనియర్ రిగ్రెషన్ (LR), సపోర్ట్ వెక్టర్ మెషీన్స్ (SVM), రాండమ్ ఫారెస్ట్ (RF), మరియు ఆర్టిఫిషియల్ న్యూరల్ నెట్‌వర్క్ (ANN), సంప్రదాయానికి ప్రత్యామ్నాయంగా చమురు మరియు గ్యాస్ ఉత్పత్తి ప్రవాహ రేట్లు అంచనా వేయడానికి పద్ధతులు. నార్వేజియన్ కాంటినెంటల్ షెల్ఫ్‌లో ఉన్న వోల్వ్ ఫీల్డ్ నుండి బావులలో 8 సంవత్సరాల పాటు రికార్డ్ చేయబడిన ఉత్పత్తి డేటా ఆధారంగా ఈ ప్రతిపాదన యొక్క అనువర్తనం ప్రదర్శించబడుతుంది. అందువల్ల, పైన పేర్కొన్న ప్రతి MLM యొక్క ప్రయోజనాలు చర్చించబడ్డాయి, ఎల్లప్పుడూ సంక్లిష్టమైన అల్గోరిథం ఉత్తమ ఎంపిక కాదని ఆచరణాత్మక అనుభవం ఆధారంగా ముగించారు. SVM యొక్క ప్రత్యామ్నాయం ఉత్తమ ఫలితాలను ఇస్తుందని నిరూపించబడింది మరియు ఇది RF లేదా ANN ప్రత్యామ్నాయాలతో పోల్చితే అమలు చేయడానికి సులభమైన మరియు సులభమైన మోడల్.