机构名称：
¥ 1.0
摘要 - 英国地质调查局（BGS）拥有大量有关英国岩石表面深度（第四纪和基岩地质单位之间的过渡）的信息。此信息已从超过一百万个钻孔纸原木中提取，并已用于创建BGS Rockhead表面模型。在将纸记录的岩石深度的不同解释引入数据库中时，就会出现一个困难，并且需要对需要使用哪种解释进行选择。在这里，我们概述了机器学习（ML）方法的应用在自动选择一个基于先前决策的每个钻孔的一个岩头解释时，因此节省了大量的手动检查工作。这将选择过程从几周减少到几分钟。结果是由已知结果的子集示例控制的质量。这表明仅使用完整数据的5％，结果误差小于10％。最终结果表明，在100个相互矛盾的案例中，ML算法比地质学家选择的解释有所不同。这是可以接受的速率，因为整个井眼中只有5％具有多个解释。
机器学习在建模中的应用...
主要关键词
相关文件推荐
