Aprendizaje automático para la caracterización del subsuelo

Opiniones de los lectores

Actualmente no hay opiniones de lectores. La calificación se basa en 2 votos.

Título original:

Machine Learning for Subsurface Characterization

Contenido del libro:

El aprendizaje automático para la caracterización del subsuelo desarrolla y aplica redes neuronales, bosques aleatorios, aprendizaje profundo, aprendizaje no supervisado, marcos bayesianos y métodos de agrupación para la caracterización del subsuelo.

El aprendizaje automático (AM) se centra en el desarrollo de métodos/algoritmos computacionales que aprenden a reconocer patrones y cuantificar relaciones funcionales mediante el procesamiento de grandes conjuntos de datos, también denominados «big data». El aprendizaje profundo (AD) es un subconjunto del aprendizaje automático que procesa «big data» para construir numerosas capas de abstracción con el fin de llevar a cabo la tarea de aprendizaje.

Los métodos de DL no requieren el paso manual de extracción/ingeniería de características; sin embargo, requiere que proporcionemos grandes cantidades de datos junto con computación de alto rendimiento para obtener resultados fiables en el momento oportuno. Esta referencia ayuda a los ingenieros, geofísicos y geocientíficos a familiarizarse con la terminología de la ciencia de datos y la analítica relevante para la caracterización del subsuelo y demuestra el uso de métodos basados en datos para la detección de valores atípicos, la caracterización geomecánica/electromagnética, el análisis de imágenes, la estimación de la saturación de fluidos y la caracterización a escala de poros en el subsuelo.