مقاييس تقييم النماذج لبيانات السجل التنبؤية والدور الحيوي للتعلم الآلي
DOI:
https://doi.org/10.51984/sucp.v4i1.3994الكلمات المفتاحية:
تعلم الاله، تدريب البيانات، التنبؤ، RMSE، MSE، MAE، تربيع R، مصفوفة الارتباك، ROCالملخص
الطرق التقليدية لقياس سجلات الآبار باهظة الثمن وعرضة للخطأ وتستغرق وقتًا طويلاً، مما أدى إلى تطوير نماذج التعلم الآلي التي يمكنها التنبؤ بتسجيل الآبار بناءً على بيانات سجلات الآبار. تهدف هذه الدراسة إلى تحديد المقاييس الأكثر فعالية لتقييم النموذج للسجل التنبؤي من خلال نماذج التعلم الآلي للتنبؤ بتسجيل الآبار بناءً على بيانات سجل الآبار المتاحة. وتغطي الدراسة شرحا مفصلا لتقنيات جمع البيانات والمعالجة المسبقة المستخدمة. تم تدريبهم وتقييمهم بناءً على أدائهم، أي الانحدار الخطي، وآلة ناقل الدعم (SVM)، والشبكة العصبية (NN)، ونماذج أشجار القرار (DT). تم تقييم النماذج بناءً على متوسط مربعات الخطأ ومربع R ومتوسط الخطأ المطلق وقيم RMSE ومصفوفة الارتباك وROC. أظهرت نتائجنا أن قيمة أشجار القرار (DT) لـ MSE كانت 10.86، محققة قيمة (RMSE) 3.29، وقيمة (MAE) 2.225، وقيمة (R _Square) 0.92. تشير هذه النتائج إلى أن نماذج التعلم الآلي يمكن أن تكون أداة قوية للتنبؤ بأفضل تدريب من بيانات سجل الآبار، على وجه الخصوص، تحمل وعدًا كبيرًا لجهود النمذجة المستقبلية في هذا المجال.
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2025 وقائع مؤتمرات جامعة سبها
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
