Öğrenen Makineler Ve Fasiyes Ayrımı; İlk Sonuçlar
Öğrenen Makineler
Özet Görüntüleme: 0 / PDF İndirme: 0
DOI:
https://doi.org/10.70447/ktve.2322Anahtar Kelimeler:
makine öğrenmesi- gradient boosting- kuyu loglarıÖzet
Yapay zeka ve makine öğrenmesi uygulamaları kuyu loglarından jeolojik istifin ayırtlanması için kullanılmıştır. Kuyu logu verilerinden yola çıkarak fasiyesleri tahmin etmek için danışmalı makine öğrenmesi yöntemi sınıflayıcılarından biri olan takviyeli türev algoritmasından yararlanılarak ağaç tabanlı bir eğitim modeli geliştirilmiştir ve tahmin başarı oranını arttırmak için veri topluluğu üzerinde iyileştirmeler yapılmıştır. Veri topluluğu olarak, Society of exploration geophysics tarafından makine öğrenmesi için önerilen, Kansas (ABD) civarındaki kuyu verileri kullanılmıştır. Çalışmada kuyu logları tanıtılmış, makine öğrenmesi yöntemi olarak takviyeli türev sınıflayıcı algoritması, verilerin sınıflandırılması açıklanmış ve deneme kuyusu üzerinde % 57, komşu fasiyes bilgisi ile %88 oranında doğruluk ile elde edilen tahmin sonuçları elde edilmiştir.
İndirmeler
İndir
Yayınlanmış
Nasıl Atıf Yapılır
Sayı
Bölüm
Kategori
Lisans
Telif Hakkı (c) 2024 Ayetullah- Emin ULUGERGERLİ
Bu çalışma Creative Commons Attribution 4.0 International License ile lisanslanmıştır.
Key Points of CC BY 4.0
- Attribution Requirement: Others can share, adapt, and use the work, even commercially, as long as they credit the original author(s) and the journal (JQTAIR) as the source.
- Flexibility in Usage: This license maximizes dissemination, as anyone can use the research in new projects, derivative works, or even commercial applications.
- Global and Broad: The 4.0 version is legally global, compatible with other open-access content, and widely accepted by institutions and funders worldwide.
- Freedom to Remix and Adapt: Researchers, educators, and industry professionals can freely build upon the work, encouraging collaboration and innovative uses in various fields.
Attribution Requirement for Users
To comply with CC BY 4.0, anyone who uses, shares, or builds upon the journal’s work must include:
- The title of the work.
- A link to the full text (ideally hosted on JQTAIR’s site or repository).
- Credit to the original authors and the journal (e.g., “Published by JQTAIR” or “Original work by [Author Name], published in JQTAIR”).