Отправлено: 25.08.15 14:19. Заголовок: Как всегда в таких случаях

Как всегда в таких случаях речь идет о поиске компромисса между чисто статистическими и околотеоретическими аппроксимациями
Лет 8-мт назад я напропалую строил чисто статистические (была даже заметка в Каротажник), сейчас стал аккуратнее
А иранцы и вовсе про применение нейронных сетей пишут

Трюков несколько
Принципиальный момент - каверны
Можно пойти тремя путями
-исключать
-вводить поправки за проскальзывание
- вводить в качестве регрессора

Второй момент - что выбрать для этого аппроксимации и прогноза
Надо изучить какие переменные и преобразования позволяют прилично спрогнозировать искомую переменную
На первом этапе я применяю выбор наимлучшего подмножества регрессоров (вначале исходныкк переменные, потом преобразования от них)

Третий момент
- сходство материала обучения и экзамена (можно оценочно прикинуть по гистограммам и кросс-плотам по применяемым регрессорам или переменным)
Тут может быть игра с целевым интервалом (проблемы могут быть и в литологических замещениях)

Четвертый момент - экзамен на одной из скважин где искомая переменная в наличии и подобие (третий момент) соблюдено
Тут могут быть игры с переобучением и на этом этапе их отлавливают

Пятый этап - если нигде нет проблем восстанавливаю по описанному алгоритму и проверяю на допустимость диапазона (но это скорее из осторожности, поскольку основное проверено на предшествующих этапах)


Естественно, что есть и любимые преобразования, но это каждый ищет сам по вкусу и опыту

Собственно все
Тут никаких откровений нет - пару лет назад о чем-то похожем писали в КАРОТАЖНИКЕ
Для меня удобство в привычной технологии (регрессии и визуализация)
Немного иная методика применяется в Fugro-CGG, но в принципе все компоненты сходны

Надеюсь< что на вопрос ответил в меру возможностей ;-)