基于贝叶斯网络混合学习的油气藏参数分析
机器学习
2021-03-03 v1 机器学习
摘要
本文考虑一种多用途的基于贝叶斯的方法，用于油气藏开发领域的数据分析、因果推断与预测。该方法可分析储层参数、发现参数间依赖关系（包括因果关联）、检查异常、预测缺失参数的期望值、寻找最接近的类比等。该方法基于用于贝叶斯网络结构学习的扩展算法 MixLearn@BN。MixLearn@BN 的关键思想如下：(1) 在同质数据子集上学习网络结构，(2) 由专家指定部分结构，(3) 在混合数据（离散与连续）上学习分布参数。同质数据子集被识别为具有相似特征（类比）的不同储层组，其中相似性度量可基于若干类距离。所述贝叶斯网络学习技术的目的是提升此类网络上的预测与因果推断质量。实验研究证明，所提方法在缺失值预测与异常检测精度上具有显著优势。此外，该方法应用于全球超千个油气藏的数据库，并发现了地质参数关系中的新见解。
引用
@article{arxiv.2103.01804,
title = {Oil and Gas Reservoirs Parameters Analysis Using Mixed Learning of Bayesian Networks},
author = {Irina Deeva and Anna Bubnova and Petr Andriushchenko and Anton Voskresenskiy and Nikita Bukhanov and Nikolay O. Nikitin and Anna V. Kalyuzhnaya},
journal= {arXiv preprint arXiv:2103.01804},
year = {2021}
}