作者：E.Z.Naeini; K.Prindle; 汪忠德(译); 朱...机器学习地球科学家深度学习马尔可夫链最小二乘法天然气工业拉普拉斯学习机器
摘要：机器学习实际上已经存在了几十年或者也可以认为存在了几个世纪。追溯到17世纪,贝叶斯、拉普拉斯关于最小二乘法的推导和马尔可夫链,这些构成了机器学习广泛使用的工具和基础。1950年(艾伦·图灵提议建立一个学习机器)到2000年初(有深度学习的实际应用以及最近的进展,比如2012年的AlexNet),机器学习有了很大的进展。在过去几年中,深度学习在各种应用领域获得巨大的成功,并且随着一些新的应用模式的出现继续开辟新的领域。最近,由于从大数据中提取有经济价值信息的需要、各种类型的神经网络和计算能力获得较大进展,以及易于使用的程序代码的出现,促使机器学习在石油和天然气工业中流行。在本文中,我们将展示机器学习如何帮助地球科学家在更短的时间内完成日常任务。演示地球科学家从机器中学习到的知识,如文档和图像分割、测井相识别、岩石物理测井预测和断层解释,并利用这些技术来检查他们的工作质量,获得细微的洞察力。另一个优点是,这些方法通过提供更精确的训练数据集来优化机器学习工作流程,从而推动模型的持续学习和提高。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
