エティノサ・オサロ*、ヴィヴィアン・オコリエ、ソニア・アロルニョ
この研究では、エネルギー産業における石油、ガス、水の生産率を予測するためのガウス過程回帰 (GPR) モデルのパフォーマンスを評価しました。GPR は、予測の不確実性をモデル化し、予測だけでなく予測の信頼区間も提供する、ノンパラメトリックなベイズベースの機械学習手法です。この研究では、チョーク サイズ、チュービング ヘッド圧力、フロー ライン圧力、基本的な堆積物と水、純アプリケーション プログラミング インターフェイス (API)、井戸の流動圧力、静圧など、さまざまな入力特性が生産率に与える影響を分析しました。この研究の結果は、石油およびガス産業における生産予測とリソース管理を改善するための GPR の可能性について貴重な洞察を提供します。また、この調査結果は、生産率のモデル化におけるさまざまなカーネルの適合性と、生産予測と最適化における各入力特性の重要性にも光を当てています。生産予測に GPR を使用すると、石油およびガス産業の効率を高め、生産性を向上させ、コストを削減できる可能性があります。