Разработана и проиллюстрирована на примерах методика применения машинного обучения для прогноза нефтегазоносности с заданной точностью, включающая принципы работы с датасетом, методы интерпретации полученных моделей, методы фильтрации локальных шумов данных, эмпирические методы оценки точности прогноза, метод расчета точности прогноза на основе теоремы Байеса. Работа может быть интересна специалистам в области логики и методологии естественных наук, геологии нефти и газа, проектирования геологоразведочных работ, проектирования разработки нефтяных и газовых месторождений, специалистам в области аналитики данных и искусственного интеллекта в нефтегазовой отрасли.

Останин Владимир Александрович
Ведущий системный аналитик
ООО «Креатив»
625026 Тюмень, ул. Малыгина, д. 84, стр. 1
e-mail: vost9830@mail.ru
AuthorID: 1190940

1. Зимина С.В. Влияние тектонического фактора на формирование трещинно-порового типа коллектора на примере горизонта Ю1 Двуреченского месторождения нефти Томской области : дис. … канд. геол-мин. наук : 25.00.12. – Тюмень : ТюмГНГУ, 2010. – 167 с.
2. Останин В.А. Перспективы использования автоматического машинного обучения в задачах комплексной интерпретации геофизических данных на примере районирования Томской области по вероятной нефтегазоносности // Перспективы развития науки в современном мире. Сборник научных статей по материалам XII Международной научно-практической конференции (Уфа, 7 апреля 2023 г.). – Ч. 2. – Уфа : Вестник науки, 2023. – С. 137–156.
3. Седухин О. Интерпретация моделей и диагностика сдвига данных: LIME, SHAP и Shapley Flow [Электронный ресурс] // Open Data Science. – 13.01.2022. – Режим доступа: https://habr.com/ru/companies/ods/articles/599573/ (дата обращения 25.01.2024).
4. Чернобровов А.И. Интерпретируй это: метод SHAP в Data Science [Электронный ресурс]. – 21.06.2020. – Режим доступа: https://chernobrovov.ru/articles/interpretiruj-eto-metod-shap-v-data-science.html (дата обращения 25.01.2024).