Доклады

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

20 октября, 16:05
II зал

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 EMCDINSVeeam Software

Embedded

Аурига

Sponsors

Группа компаний АйТиT-SystemsПрограмма «Единая фронтальная система»

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 МPrezentПринт СалонDPI.Solutions

При поддержке

РАЭК

Организаторы

Software Russiai-Help