في حقول الهندسة الجيولوجية واستكشاف الغاز - فإن التنبؤ الدقيق للمسامية ونفاذية الصخور أمر بالغ الأهمية. حاليًا ، أظهر التعلم الآلي قوة عظيمة وقدم حلولًا جديدة لهذه المشكلة الصعبة. يهدف البحث في مقالة "التنبؤ بمسامية وتغيير النفاذية بناءً على خوارزميات التعلم الآلي" إلى استكشاف قابلية تطبيق خوارزميات التعلم المختلفة للآلة على التنبؤ بخصائص الصخور.
أجرى البحث اختبارات وتحليلات على أكثر من 100 عينة من الملح - التي تحمل أكثر من 10 خصائص (مثل تركيز الملح ، المسامية الأولية والنفاذية ، عمق العينة ، وما إلى ذلك) ، وأنشأت نموذج التنبؤ من خلال الجمع بين بيانات التحليل الأساسي التقليدي وغيرها من المعلمات الجيولوجية. استخدمت التجربة مجموعة متنوعة من خوارزميات التعلم ، بما في ذلك الانحدار الخطي (مع تنظيم L1 و L2) ، وأشجار القرار ، والغابات العشوائية ، وتعزيز التدرج ، والشبكات العصبية وآلات المتجهات الدعم (SVM) ، وما إلى ذلك ، إلخ.
من بينها ، كانت الشبكة العصبية ذات الطبقة المزدوجة المخفية أفضل عند التنبؤ بخصائص الصخور الثلاث المتمثلة في المسامية والنفاذية وتركيز الملح ، مما يدل تمامًا على قدراتها القوية والتعلم. تظهر نتائج البحث أن هناك علاقة كبيرة بين التغيرات في المسامية والنفاذية وتركيز الملح. يؤدي الانحدار الخطي ، وآلات المتجهات الدعم والشبكات العصبية بشكل جيد في التنبؤ بالمسامية والنفاذية ، مع قيم R² أعلى من 0. ومع ذلك ، فإن نموذج التنبؤ بتركيز الملح ضعيف نسبيًا ، مع قيمة r² قريبة من 0. 66 ، ولكن لا يزال لديه قدرة تنبؤية معينة.
يسلط هذا الاستنتاج البحثي الضوء على أهمية التعلم الآلي في الهندسة الجيولوجية. إنه يقلل من الاعتماد على التحليلات المختبرية باهظة الثمن ويوفر طريقة فعالة للتنبؤ بخصائص الصخور عندما يكون هناك نقص في بيانات تجريبية وفيرة. في المستقبل ، يمكن توسيع نطاق مجموعة البيانات بشكل أكبر للتحقق من دقة طرق التعلم في ظل ظروف جيولوجية مختلفة.
في الوقت نفسه ، يمكن استكشاف خوارزميات التعلم الأخرى والتقنيات المسبقة للبيانات بشكل مستمر لتحسين أداء نموذج التنبؤ. من خلال التطور المستمر للتكنولوجيا ، سيلعب التعلم الآلي دورًا متزايد الأهمية في الهندسة الجيولوجية والنفط - استكشاف الغاز ، مما يساعدنا على فهم الموارد تحت الأرض وتطويرها بشكل أفضل ، مما يجعل التنبؤ بالمسامية والنفاذية لا يعد صعبًا وضخت حيوية جديدة في تطوير الصناعة.