%0 Journal Article
%T PRIMJENA STROJNOGA U£¿ENJA U PREDVI£¿ANJU PO£¿ETNE PROIZVODNJE PLINA IZ LE£¿I£¿TA MALE PROPUSNOSTI
%A Amaechi
%A Ugwumba Chrisangelo
%A Ikpeka
%A Princewill Maduabuchi
%A Obunwa Ugwu
%A Johnson
%A Xianlin
%A Ma
%J -
%D 2019
%R 10.17794/rgn.2019.3.4
%X Sa£¿etak Napredak tehnologije pridobivanja iz le£¿i£¿ta male propusnosti, tj. nekonvencionalnih le£¿i£¿ta, pridonio je znatnoj proizvodnji iz takve vrste le£¿i£¿ta ugljikovodika. Broj prikupljenih podataka ogroman je i ve£¿ina ili svi su u digitalnome obliku. Strojno u£¿enje jedan je od na£¿ina kako se takvi podatci mogu analizirati i time povezati niz (zavisnih i nezavisnih) varijabli. Predvi£¿anje po£¿etne proizvodnje ima va£¿nu ulogu u planiranju i opremanju samih le£¿i£¿ta i polja, a time utje£¿e na odluke o investicijama te izvje£¿£¿a predana regulatornim agencijama. Ovdje je prikazana analiza le£¿i£¿nih stijena i £¿uida na temelju bu£¿otinskih podataka. Na£¿injen je model odlu£¿ivanja kojim je odre£¿en po£¿etni iznos proizvodnje iz nekonvencionalnoga le£¿i£¿ta. Uporabljena su dva modela predvi£¿anja razvijena strojnim u£¿enjem ¨C umjetna neuronska mre£¿a (UNM) te poop£¿eni linearni model (PLM). Izra£¿unan je o£¿ekivani iscrpak novih bu£¿otina. Srednja kvadratna pogrje£¿ka (SKP) za PLM iznosila je 1,57, a za UNM 1,24. Indeks klju£¿nih svojstava pokazao je kako debljina le£¿i£¿ta ima najve£¿i utjecaj (36,5 %) na po£¿etnu proizvodnju plina, a zatim slijedi povratni protok (29 %). Svojstva le£¿i£¿ta i £¿uida zajedni£¿ki sudjeluju u po£¿etnoj proizvodnji s 53 %, dok ostalih 47 % otpada na parametre hidrauli£¿noga frakturiranja
%K analiza predvi£¿anja
%K strojno u£¿enje
%K umjetna neuronska mre£¿a
%K po£¿etna proizvodnja plina
%K povratna analiza
%U https://hrcak.srce.hr/index.php?show=clanak&id_clanak_jezik=324515