Size: a a a

спбгеотех

2021 February 24

AH

Aliaksandr H in спбгеотех
Ребята Юнет натягивали на 1д
источник

AH

Aliaksandr H in спбгеотех
Любопытствовал когда-то
источник

GP

Georgy Perevozchikov in спбгеотех
Артем Васильченко
Рисунок разве связан с данными? Обучить модель надо только по табличным данным или как? Можно озвучить всю задачу?
полный текст задания

В реальной жизни для изучения свойств целевого пласта на месторождении бурятся скважины, после чего в них опускаются специальные устройства - каротажные зонды. С их помощью проводится запись различных геофизических полей (например, радиоактивность или плотность), создаваемых горными породами. Подобные исследования называются геофизическими исследования скважин - ГИС. На основе полученных данных специалисты петрофизики проводят интерпретацию и сообщают информацию о том, на какой глубине находится пласт-коллектор, который может накапливать и отдавать флюиды. Типичный пример различных каротажных кривых и их совместной интерпретации представлен на рисунке ниже:

PIC

На основе полученной интерпретации можно посчитать такое свойство как песчанистость в зоне бурения скважины. Песчанистость — это отношение толщин пластов-коллекторов к общей толщине геологического образования, данная характеристика позволяет геологам делать предположения об экономической эффективности работы с этим месторождением. К сожалению, бурение скважин является очень дорогостоящей операцией, поэтому мы используем различные алгоритмы картопостроения с целью прогноза свойств в межскважинном пространстве. В качестве данных в представленной задаче используется информация из синтетической модели месторождения, которая была построена на основе геологического обнажения Шестаково, Кемеровская область. По его описанию были определены различные геологические параметры (размеры и геометрия тел, их связанность и значение песчанистости), которые в дальнейшем использовались при построении 3D модели. Подобный подход позволил достаточно точно отобразить реальную геологию (которая обычно не доступна для визуального анализа) и использовать полученный результат в качестве полигона для опробования и оценки различных подходов.

PIC

В предоставленном наборе данных имеется информация о 10% скважинных данных (в реальной жизни их может быть менее 1% от площади месторождения!), используя которые, Вам предлагается построить алгоритм, который бы предсказывал значения песчанистости в точках с отсутствующими значениями.

Вход: тренировочный датасет (Training wells.csv) с заполненными значениями песчанистости, а также тестовый датасет (Empty part.csv) с пропущенными значениями песчанистости, для которого вы должны предсказать эти значения.

Выход: файл с предсказанием песчанитости для тестового файла. В выходном файле последовательность строк сохранить, само предсказание песчанистости добавить четвёртым столбцом в датасет с заголовком столбца NTG, как это сделано в тренировочном датасете. Получившийся файл загрузить в систему.

Критерии оценивания: в качестве метрики оценивания используется метрика RMSE, участники ранжируются относительно значения этой метрики (от меньшего к большему).
источник

GP

Georgy Perevozchikov in спбгеотех
Рисунки 1-2 соответственно.
источник

GP

Georgy Perevozchikov in спбгеотех
Артем Васильченко
Рисунок разве связан с данными? Обучить модель надо только по табличным данным или как? Можно озвучить всю задачу?
Вообще как угодно.
Можно свои данные откуда то брать или смотреть на другие ресерчи.

Олимпиада длится 6 дней.
Вот первый подходит к концу.
источник

AH

Aliaksandr H in спбгеотех
Если брать геолгию, то мы обычно разрезы руками строили и смотрели, что как "ложится". Были люди, которые делали для этого автоматизацию, но для сложных разерзов, всервно делали вручную. Может у вас, таки получится ;-)
источник

GP

Georgy Perevozchikov in спбгеотех
Проблема в том что колличество данных которые есть в задании очень мало.

Проблема 2 я например не специалитет в этой области от слова совсем)
И если бы были известны какие-то ограничения - то было бы возможно лучше.
источник

AH

Aliaksandr H in спбгеотех
Как-то пробовал в 3д отстраивать и получаласть своеборазная интерполяция для точек между скважинами. Но тогда про МЛ ничего не знал.
источник

АВ

Артем Васильченко... in спбгеотех
Georgy Perevozchikov
Вообще как угодно.
Можно свои данные откуда то брать или смотреть на другие ресерчи.

Олимпиада длится 6 дней.
Вот первый подходит к концу.
Уже лучше. Суть интерпретации таких данных в следующем: по гамма каротажу, в данном случае, можно судить о глинистости пород. Чем выше значения ГК тем больше глины, тем менее пористая порода (неколлектор) и наоборот. И получается по соотношению проницаемых (NRV) и непроницаемых (GRV) пород относят интервал к коллектору. А на тестовый и тренировочный файлы можно взглянуть?
источник

AB

Anton Biatov in спбгеотех
Georgy Perevozchikov
Проблема в том что колличество данных которые есть в задании очень мало.

Проблема 2 я например не специалитет в этой области от слова совсем)
И если бы были известны какие-то ограничения - то было бы возможно лучше.
Сколько?

Посмотри в Ютубе по поисковой фразе:
geology kriging python modelling
источник

AB

Anton Biatov in спбгеотех
Или комбинации из любых 2-х из выше приведенных слов ))
источник

GP

Georgy Perevozchikov in спбгеотех
Артем Васильченко
Уже лучше. Суть интерпретации таких данных в следующем: по гамма каротажу, в данном случае, можно судить о глинистости пород. Чем выше значения ГК тем больше глины, тем менее пористая порода (неколлектор) и наоборот. И получается по соотношению проницаемых (NRV) и непроницаемых (GRV) пород относят интервал к коллектору. А на тестовый и тренировочный файлы можно взглянуть?
Сейчас)
источник

GP

Georgy Perevozchikov in спбгеотех
Артем Васильченко
Уже лучше. Суть интерпретации таких данных в следующем: по гамма каротажу, в данном случае, можно судить о глинистости пород. Чем выше значения ГК тем больше глины, тем менее пористая порода (неколлектор) и наоборот. И получается по соотношению проницаемых (NRV) и непроницаемых (GRV) пород относят интервал к коллектору. А на тестовый и тренировочный файлы можно взглянуть?
источник

АВ

Артем Васильченко... in спбгеотех
Сперва подумал что странные X и Y, какие-то неестественные для реальных )) Но построил карту и все в принципе сложилось
источник

АВ

Артем Васильченко... in спбгеотех
Конечно в твоем случае нужно брать интерполятор "кригинг", как писали выше.
источник
2021 February 25

SM

Seva Moreydo in спбгеотех
Ну там вроде должна быть 3д интерполяция?
источник

АВ

Артем Васильченко... in спбгеотех
В реале да, но тут уже имеем "усредненные" NTG по скважинам. И судя по всему подразумевается что они относятся к одному интервалу (пласту).
источник

AR

Alex Rybakov in спбгеотех
Артем Васильченко
Уже лучше. Суть интерпретации таких данных в следующем: по гамма каротажу, в данном случае, можно судить о глинистости пород. Чем выше значения ГК тем больше глины, тем менее пористая порода (неколлектор) и наоборот. И получается по соотношению проницаемых (NRV) и непроницаемых (GRV) пород относят интервал к коллектору. А на тестовый и тренировочный файлы можно взглянуть?
" Пористость" не есть равна "Активная пористость"
источник

АВ

Артем Васильченко... in спбгеотех
Alex Rybakov
" Пористость" не есть равна "Активная пористость"
В рамках простого объяснения, человеку который с этим не знаком, думаю можно не вдаваться в некоторые детали. Тем более на решение задачи это никак не влияет 💁‍♂
источник

AR

Alex Rybakov in спбгеотех
🤔
источник