Пошук академічних текстів

Інформація × Реєстраційний номер 2120U008617, Матеріали видань та локальних репозитаріїв Категорія Бакалаврська робота Назва роботи Інформаційно-аналітична система для визначення типів горних порід за даними геофізичних досліджень свердловин Автор Венгер Володимир ОлеговичVenher Volodymyr Olehovych Дата публікації 01-06-2020 Постачальник інформації Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського» Першоджерело https://ela.kpi.ua/handle/123456789/37525 Видання Київ Опис Дипломна робота містить: 108 с., 9 табл., 21 рис., 2 дод. та 19 джерел. Метою роботи є визначення найкращої методу для виконання кластеризації корисної копалини використовуючи дані нафтодобувної компанії Schlumberger. В роботі проведено дослідження застосування різноманітних методів кластеризації та виявлення найкращих до цієї задачі на основі існуючих даних 2020 року. Виділено основні властивослі моделей, які впливають на якість кластеризацї. У ході дослідження було встановлено, що методи на основі щільності вибірки, такі як DBSCAN і OPTICS, дали хороші результати на досліджуваних даних. Планується розвивати роботу у напрямку дослідження застосування данних методів з метою подальшого зменшення похибки кластеризацї на різних результатах гео-досліджень свердловин. The bachelors work contains of: 108 p., 9 tables, 21 fig., 2 add. and 19 references. The aim of the work is to determine the best model for making cluster analyse by using well logging data from Schlumberger oil-company. The study of the application of using various clustering methods and determine the most appropriate for this dataset according to existence knowledge of 2020 year. Extracted main model properties which influence on clustering result quality. In course of the study, it was found that the method based on dataset density characteristics, such as DBSCAN and OPTICS, return good results on input data. It is planned to develop work in the direction of research of using this methods in aim further decreasing clustering error rate on different well loging researches. Додано в НРАТ 2025-11-05 Закрити