Анализ влияния качества данных на достоверность алгоритма машинного обучения для прогнозирования нарушений герметичности эксплуатационных колонн
| Parent link: | Перспективы науки.— .— Тамбов: Фонд развития науки и культуры.— 2077-6810 № 11 (194).— 2025.— С. 34-37 |
|---|---|
| Main Author: | |
| Other Authors: | , |
| Summary: | Заглавие с экрана Цель работы - оценить влияние качества промысловых данных на точность прогнозов негерметичности эксплуатационных колонн. Гипотеза исследования: ухудшение полноты и подлинности данных снижает достоверность моделей машинного обучения. Для проверки применена имитационная модель, эквивалентная логистической регрессии, реализованная в Excel и протестированная на синтетических данных по 100 скважинам. Проведен сценарный анализ трех уровней качества данных. Установлено, что при снижении качества данных с 0,95 до 0,75 точность прогноза падает на 21 %. Определены минимальные пороги качества для устойчивого применения моделей машинного обучения: полнота ≥ 70 %, ошибка ≤ 10 % Текстовый файл |
| Language: | Russian |
| Published: |
2025
|
| Subjects: | |
| Online Access: | https://elibrary.ru/item.asp?id=88834724 |
| Format: | Electronic Book Chapter |
| KOHA link: | https://koha.lib.tpu.ru/cgi-bin/koha/opac-detail.pl?biblionumber=684650 |
| Summary: | Заглавие с экрана Цель работы - оценить влияние качества промысловых данных на точность прогнозов негерметичности эксплуатационных колонн. Гипотеза исследования: ухудшение полноты и подлинности данных снижает достоверность моделей машинного обучения. Для проверки применена имитационная модель, эквивалентная логистической регрессии, реализованная в Excel и протестированная на синтетических данных по 100 скважинам. Проведен сценарный анализ трех уровней качества данных. Установлено, что при снижении качества данных с 0,95 до 0,75 точность прогноза падает на 21 %. Определены минимальные пороги качества для устойчивого применения моделей машинного обучения: полнота ≥ 70 %, ошибка ≤ 10 % Текстовый файл |
|---|