Cтраница 1
Адаптационно-обучающиеся модели применяются в случаях, когда не имеется данных как о макроскопических, так и микроскопических интимностях, происходящих в системе. [1]
Применение адаптационно-обучающихся моделей часто позволяет отказаться от моделирования сложных технологических процессов бурения скважин, проведения продолжительных во времени и дорогостоящих экспериментов. [2]
Применением адаптационно-обучающихся моделей, в частности метода главных компонент, выводятся аналитические зависимости, позволяющие производить пересчет характеристик турбобуров. [3]
В данной главе рассмотрены адаптационно-обучающиеся модели для: 1) классификации промывочных растворов; 2) гидравлической характеристики потока; 3) определения результативности некоторых технологических операций. [4]
В настоящее время вопросы построения адаптационно-обучающихся моделей достаточно хорошо разработаны. [5]
Для определения типа залежи можно использовать адаптационно-обучающиеся модели, которые позволяют по результатам ограниченного числа измерений выбрать наиболее информативные признаки залежи и разработать критерий для определения ее типа. [6]
Мирзаджанзаде [42, 43] заложена основа для применения адаптационно-обучающихся моделей при анализе результатов бурения скважин, а также исследования факторов, влияющих на нефтеотдачу пластов и в других областях нефтегазопромысловой практики. [7]
Примененные авторами методы решения задач построения адаптационно-обучающейся модели месторождения и выявления факторов, влияющих на показатели разработки, обладают положительными и отрицательными моментами. Так, корреляционно-регрессионный анализ затруднителен при большом числе исследуемых признаков. Метод, предусматривающий оценку информативности признаков с помощью меры Кульбака, хотя и позволяет отбраковать некоторые факторы, чье влияние на те или иные показатели разработки месторождения несущественно, но не дает достаточно точного прогноза величины исследуемого показателя. Все это ограничивает сферу использования данных методов. В то же время приведенные методы сравнительно несложны и при их реализации отпадает необходимость применения мощных ЭВМ. [8]
Следует отметить, что впервые в нефтегазопромысловой практике вопросы построения адаптационно-обучающихся моделей были разработаны А. Создание адаптационно-обучающихся моделей связано с решением задач группировки объектов и выделения однородных классов ( образцов) исследования признаков, влияющих на показатели эксплуатации скважин и месторождения, и определения принадлежности некоторого объекта к тому или иному классу. [9]
Обоснована необходимость применения для гидравлического анализа технологических процессов бурения скважин и проектирования адаптационно-обучающихся моделей. [10]
Для управления такой сложной, динамичной и стохастической системой в ряде случаев весьма эффективным является применение адаптационно-обучающихся моделей. [11]
Накапливающаяся в процессе разработки месторождения геолого-промысловая информация совместно с рядами динамик технологических показателей эксплуатации - основа для построения адаптационно-обучающейся модели месторождения. Создание такой модели - одна из основных задач анализа разработки, так как с ее помощью появляется возможность исследовать признаки, влияющие на эксплуатацию залежи, и составить мероприятия по рациональному управлению разработкой данного или аналогичных месторождений. [12]
Следует отметить, что впервые в нефтегазопромысловой практике вопросы построения адаптационно-обучающихся моделей были разработаны А. Создание адаптационно-обучающихся моделей связано с решением задач группировки объектов и выделения однородных классов ( образцов) исследования признаков, влияющих на показатели эксплуатации скважин и месторождения, и определения принадлежности некоторого объекта к тому или иному классу. [13]
Мирзаджанзаде и его ученики развивают анализ гидроаэромеханических процессов с помощью стохастических и адаптационно-обучающихся моделей. [14]
На первый взгляд первый и третий вопросы не имеют отношения к буровой гидравлике. Однако, учитывая, что, например, качество повторных цементирований в скважинах определяется многими процессами переноса и диагностировать результативность этих процессов на основе применения детерминированных моделей невозможно, в этой ситуации гидравлическое исследование проводится на основе применения адаптационно-обучающихся моделей. [15]