让黑箱更透明：解释用于钻井事故预测的机器学习算法
机器学习
2022-09-08 v1
摘要
我们提出一种解释黑箱报警系统的方法，用于预测油气井钻井过程中的事故与异常。该解释方法旨在向钻井工程师说明事故预测模型的局部行为。解释模型采用Shapley加性解释分析特征，这些特征通过钻井事故预测阶段所用遥测日志的Bag-of-features（词袋特征）表示获得。验证表明，该解释模型在70%召回率下达到15%精度，并优于随机基线与多头注意力神经网络的指标值。这些结果证明，所开发的解释模型比现有最优方法与钻井工程师的解释更为契合。解释模型与Bag-of-features模型的联合性能使钻井工程师能够理解系统决策背后的逻辑、关注高亮遥测区域，并相应提升对事故预测报警的信任水平。
引用
@article{arxiv.2209.02256,
title = {Making the black-box brighter: interpreting machine learning algorithm for forecasting drilling accidents},
author = {Ekaterina Gurina and Nikita Klyuchnikov and Ksenia Antipova and Dmitry Koroteev},
journal= {arXiv preprint arXiv:2209.02256},
year = {2022}
}