Верификация модели пласта-коллектора по данным гидродинамических исследований скважин с использованием доверительных интервалов

• Дата: 2008
• Автори: Денисов, С.В., Сидельников, К.А.
• Формат: Стаття
• Мова: Russian
• Опубліковано: Інститут проблем штучного інтелекту МОН України та НАН України 2008
• Теми: Распознавание образов. Системы цифровой обработки сигналов и изображений
• Онлайн доступ: https://nasplib.isofts.kiev.ua/handle/123456789/7490
• Назва журналу: Digital Library of Periodicals of National Academy of Sciences of Ukraine
• Цитувати: Верификация модели пласта-коллектора по данным гидродинамических исследований скважин с использованием доверительных интервалов / С.В. Денисов, К.А. Сидельников // Штучний інтелект. — 2008. — № 4. — С. 320-331. — Бібліогр.: 3 назв. — рос.

Представлена базовая процедура нелинейного регрессионного анализа. Использован байесовский вывод, при котором вся информация о параметрах пласта выражается в терминах вероятности, а неопределенность, связанная с оценками этих параметров, может определяться количественным образом. Исследованы проблемы, возникающие при использовании доверительных интервалов в рамках байесовского вывода для дискриминантного анализа различных моделей-кандидатов. Представлена базова процедура нелінійного регресійного аналізу. Використаний байєсовський висновок, при якому вся інформація про параметри пласта виражається у термінах ймовірності, а невизначеність, пов’язана з оцінками цих параметрів, може визначатися кількісним чином. Досліджені проблеми, які виникають під час використання довірчих інтервалів у межах байєсовського висновку для дискримінантного аналізу різних моделей-кандидатів. The basic procedures of nonlinear regression are presented. Bayesian inference is introduced. In Bayesian inference all information about the reservoir parameters is expressed in terms of probability, and uncertainty involved in the parameter estimates can be expressed quantitatively. Confidence intervals are derived in the framework of Bayesian inference, and the problems inherently involved in the application of confidence intervals for model discrimination are discussed.