Publication

Support Vector Machines for Classification and Mapping of Reservoir Data

2001
Reports

Résumé

The report deals with the novel application of Support Vector Machines (Support Vectore Classification and Support Vector Regression) for the analysis and modelling of reservoir data. 2 problems are considered: classification and mapping of porosity data. Results are compared with geostatistical models - indicator kriging and ordinary kriging. Variography is widely used to control the performance of the machines. Geostatistical explanations for the SVR hyperparameters are discussed. Obtained results demonstrate flexibility and efficiency of SVM application for the reservoir characterisation.

Source officielle

https://infoscience.epfl.ch/entities/publication/0b664175-2eb4-4edb-84b9-83afee47e85a

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

2001
Reports

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/0b664175-2eb4-4edb-84b9-83afee47e85a

À propos de ce résultat

Concepts associés (32)

Machine à vecteurs de support

Les machines à vecteurs de support ou séparateurs à vaste marge (en anglais support-vector machine, SVM) sont un ensemble de techniques d'apprentissage supervisé destinées à résoudre des problèmes de discrimination et de régression. Les SVM sont une généralisation des classifieurs linéaires. Les séparateurs à vaste marge ont été développés dans les années 1990 à partir des considérations théoriques de Vladimir Vapnik sur le développement d'une théorie statistique de l'apprentissage : la théorie de Vapnik-Tchervonenkis.

Reservoir modeling

In the oil and gas industry, reservoir modeling involves the construction of a computer model of a petroleum reservoir, for the purposes of improving estimation of reserves and making decisions regarding the development of the field, predicting future production, placing additional wells and evaluating alternative reservoir management scenarios. A reservoir model represents the physical space of the reservoir by an array of discrete cells, delineated by a grid which may be regular or irregular.

Classement automatique

vignette|La fonction 1-x^2-2exp(-100x^2) (rouge) et les valeurs déplacées par un bruit de 0,1*N(0,1). Le classement automatique ou classification supervisée est la catégorisation algorithmique d'objets. Elle consiste à attribuer une classe ou catégorie à chaque objet (ou individu) à classer, en se fondant sur des données statistiques. Elle fait couramment appel à l'apprentissage automatique et est largement utilisée en reconnaissance de formes. En français, le classement fait référence à l'action de classer donc de « ranger dans une classe ».

Afficher plus

Publications associées (12)

Afficher plus

Support Vector Machines for Classification and Mapping of Reservoir Data

Chattez avec Graph Search

A multimodal machine learning approach to forecast upper limb motor recovery after stroke using kinematic and electromyographic data-a pilot-study

Near Infrared Spectroscopy and Chemometrics for in situ Process Monitoring

New perspectives on the performance of machine learning classifiers for mode-choice prediction