تخمين لاگ صوتي برشي با استفاده از روش‌هاي يادگيري ماشين، و مقايسه با داده‌هاي حاصل از مغزه با استفاده از نرم‌افزار پايتون

امروزه استفاده از روش‌‌هاي يادگيري ماشين در تخمين داده‌‌هاي پتروفيزيكي كاربرد فراواني دارد. در اين مطالعه سعي شده لاگ صوتي برشي از ديگر داده‌هاي پتروفيزيكي با روش‌هاي يادگيري ماشين محاسبه و با داده‌‌هاي صوتي حاصل از مغزه مقايسه شوند. براي اين منظور در ابتدا براي نرمال‌سازي داده‌‌ها روش‌‌هاي محاسباتي انحراف معيار، جنگل انزوا، حداقل كوواريانس و فاكتور پرتي استفاده و مورد مقايسه قرار گرفتند. با توجه به مقدار داده‌‌هاي حذفي و نمودارهاي جعبه‌‌اي رسم شده، روش انحراف معيار براي نرمال‌سازي انتخاب شد. روش‌‌هاي يادگيري ماشين استفاده شده شامل جنگل تصادفي، رگرسيون چندگانه، رگرسيون تقويت شده، رگرسيون بردار پشتيبان، K نزديك‌ترين همسايه و پرسپترون چندلايه مي‌‌باشند. رگرسيون چندگانه پايين‌ترين انديس ارزيابي (0.94 = R2) را داشت درحالي‌كه رگرسيون جنگل تصميم‌گيري با انديس ارزيابي برابر 0.98، بالاترين همبستگي بين لاگ‌‌هاي صوتي برشي تخمين زده شده و لاگ صوتي اصلي را داشتند. بنابراين براي تخمين نهايي از رگرسيون جنگل تصادفي استفاده شد و براي جلوگيري از كليت بخشي يا بيش برازش داده‌‌ها، از تابع GridSearchCV هايپرپارامترهاي بهينه محاسبه و تخمين نهايي انجام شد. لاگ صوتي برشي تخميني، با داده‌‌هاي صوتي حاصل از مغزه قرابت بسيار بالايي را نشان دادند.