Доклады

Применение машинного обучения по ансамблю решающих правил для вычисления прогноза дополнительного КИН

4 Считают: Это интересно!

Поиск оптимального совместного использования методов моделирования физических процессов и моделирования на основе машинного обучения является одним из приоритетных направлений исследований для ПАО ГазпромНефть. Рассмотрение частной задачи по моделированию дополнительной нефтеотдачи (КИН) привело авторов к тому, что кроме традиционных вычислительных экспериментов на регулярной решётке более продуктивными могут стать вычисления с помощью алгоритмов машинного обучения. Авторы рассмотрели подход к построению прокси-моделей на основе Random Forest Regressor.

Федор Краснов

Эксперт

Инженер с 20-летним опытом работы в ИТ компаниях. Окончил Московский Инженерно-Физический Институт, факультет Теоретической и Экспериментальной физики, кандидат технических наук.

Спонсоры и партнёры

Спонсоры

Gold

JetBrainsFirst Line Software

Silver

Dell EMCDINS

Embedded

Аурига

Sponsor

Группа компаний АйТи

Individual

Андрей Терехов

Партнёры

Генеральные партнёры

АП КИТРУССОФТ

При содействии

Association for Computing MachineryACM Special Interest Group on Software Engineering

Технические партнёры

CUSTISСофтИнвентСтудия „7пап“Хостинг-ЦентрГруппа МPrezentDPI.Solutions

При поддержке

РАЭК

Организаторы

Software Russiai-Help