Детальная информация

Название Максимизация экономических параметров на этапе выбора системы разработки месторождения при помощи нейросети: выпускная квалификационная работа бакалавра: направление 01.03.03 «Механика и математическое моделирование» ; образовательная программа 01.03.03_03 «Математическое моделирование процессов нефтегазодобычи»
Авторы Галеев Рауль Рустемович
Научный руководитель Лобода Ольга Сергеевна
Организация Санкт-Петербургский политехнический университет Петра Великого. Физико-механический институт
Выходные сведения Санкт-Петербург, 2023
Коллекция Выпускные квалификационные работы; Общая коллекция
Тематика глубокое машинное обучение с подкреплением; наука о данных; нейронные сети; обработка данных; оптимизация процессов нефтедобычи; deep machine reinforcement learning; data science; neural networks; data processing; optimization of the oil extraction processes
Тип документа Выпускная квалификационная работа бакалавра
Тип файла PDF
Язык Русский
Уровень высшего образования Бакалавриат
Код специальности ФГОС 01.03.03
Группа специальностей ФГОС 010000 - Математика и механика
DOI 10.18720/SPBPU/3/2023/vr/vr24-22
Права доступа Доступ по паролю из сети Интернет (чтение)
Дополнительно Новинка
Ключ записи ru\spstu\vkr\26749
Дата создания записи 15.02.2024

Разрешенные действия

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа Анонимные пользователи
Сеть Интернет

В данной работе рассмотрена задача максимизации экономики месторождения при помощи нейронной сети. Даны общие понятия метода глубокого Q-обучения. Изучена модель месторождения и проведена обработка и анализ данных из модуля экономической оценки месторождения. Разработана реализация алгоритма глубокого Q-обучения с использованием трёхслойной нейронной сети на языке Python. Проведён анализ полученных результатов расчёта экономики месторождения.

The given work is devoted to the problem of maximizing the economy of a deposit using a neural network. The general concepts of Deep Q-Learning method are given. The field model has been studied and the data from field economic evaluation module has been processed and analyzed. An implementation of the Deep Q-Learning algorithm using a three-layer neural network in Python has been developed. The results of field economics calculation have been analyzed.

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все
Прочитать
Интернет Авторизованные пользователи СПбПУ
Прочитать
Интернет Анонимные пользователи

Количество обращений: 6 
За последние 30 дней: 0

Подробная статистика