利用迁移学习改进页岩气产量预测
机器学习
2021-06-22 v1
摘要
深度神经网络可通过利用迁移学习，在样本井数量有限的县生成更准确的页岩气产量预测。本文提供了一种将已在相邻县训练的其他深度神经网络模型所获得的知识迁移到目标县的方法。论文使用了来自德克萨斯州Barnett和宾夕法尼亚州Marcellus页岩地层共17个县的6000多口页岩气井的数据，以测试迁移学习的能力。与广泛使用的Arps递减曲线模型相比，结果将预测误差降低了11%至47%。
引用
@article{arxiv.2106.11051,
title = {Towards Better Shale Gas Production Forecasting Using Transfer Learning},
author = {Omar S. Alolayan and Samuel J. Raymond and Justin B. Montgomery and John R. Williams},
journal= {arXiv preprint arXiv:2106.11051},
year = {2021}
}