ПОБУДОВА ІНТЕЛЕКТУАЛЬНОЇ СИСТЕМИ НА ОСНОВІ ПРАВИЛ З ФУНКЦІЯМИ ГЛИБОКОГО НАВЧАННЯ ДЛЯ ПРОБЛЕМ БУРІННЯ НАФТОГАЗОВИХ СВЕРДЛОВИН

Анотація

Стаття присвячена вирішенню проблем прогнозного моделювання за допомогою методів машинного навчання в умовах невизначеності у величезних масивах даних, створених у різних секторах економіки, зокрема нафтогазовій промисловості, через поширення IoT і хмарних сервісів. Автор зазначає, що існуючі методи машинного навчання, включаючи широко використовувані методи глибокого навчання, стикаються з обмеженнями в досягненні високої точності прогнозування через різні невизначеності. У статті досліджуються підходи до нечіткого навчання для подолання таких невизначеностей, як неточність і неоднозначність, але підкреслюються їх обмеження щодо неповноти та нечіткості. Стверджується, що експертні системи на основі правил, доповнені глибоким навчанням, пропонують більш надійну основу для вирішення таких невизначеностей шляхом інтеграції асоціативної пам’яті, допомагаючи в отриманні більш точних прогнозних моделей, особливо в сценаріях з великими обсягами даних, як процеси буріння нафти і газу.  Дослідження зосереджено на вдосконаленні прогнозного моделювання в умовах невизначеності у великих масивах даних. Обговорюються обмеження нечіткого навчання при обробці неповних даних і пропонується гібридний підхід до проблеми. Інтеграція методу навчання на основі асоціативної пам’яті в процедури логічного висновку дозволяє виявляти точні моделі даних, тим самим покращуючи якість прогнозування в умовах невизначеності. Цей комплексний підхід має на меті підвищити точність прогнозування шляхом використання сильних сторін глибокого навчання в розпізнаванні образів і здатності систем на основі правил справлятися з невизначеністю. Головним результатом наукової роботи є розробка нового методу, який інтегрує рівень глибокої обробки з асоціативною пам’яттю в систему на основі правил для підвищення точності прогнозування в умовах невизначеності. Це було досягнуто за рахунок використання багатошарової нейронної мережі та додавання додаткових параметрів. Цей метод значно підвищив точність прогнозування динаміки експлуатаційних параметрів у процесі буріння. Таким чином, представлене дослідження є новим внеском у завдання розробки методів прогнозування в умовах невизначеності, що особливо актуально при бурінні нафти та газу.