PRIMJENA STROJNOGA U？ENJA U PREDVI？ANJU PO？ETNE PROIZVODNJE PLINA IZ LE？I？TA MALE PROPUSNOSTI

Sa？etak Napredak tehnologije pridobivanja iz le？i？ta male propusnosti, tj. nekonvencionalnih le？i？ta, pridonio je znatnoj proizvodnji iz takve vrste le？i？ta ugljikovodika. Broj prikupljenih podataka ogroman je i ve？ina ili svi su u digitalnome obliku. Strojno u？enje jedan je od na？ina kako se takvi podatci mogu analizirati i time povezati niz (zavisnih i nezavisnih) varijabli. Predvi？anje po？etne proizvodnje ima va？nu ulogu u planiranju i opremanju samih le？i？ta i polja, a time utje？e na odluke o investicijama te izvje？？a predana regulatornim agencijama. Ovdje je prikazana analiza le？i？nih stijena i ？uida na temelju bu？otinskih podataka. Na？injen je model odlu？ivanja kojim je odre？en po？etni iznos proizvodnje iz nekonvencionalnoga le？i？ta. Uporabljena su dva modela predvi？anja razvijena strojnim u？enjem – umjetna neuronska mre？a (UNM) te poop？eni linearni model (PLM). Izra？unan je o？ekivani iscrpak novih bu？otina. Srednja kvadratna pogrje？ka (SKP) za PLM iznosila je 1,57, a za UNM 1,24. Indeks klju？nih svojstava pokazao je kako debljina le？i？ta ima najve？i utjecaj (36,5 %) na po？etnu proizvodnju plina, a zatim slijedi povratni protok (29 %). Svojstva le？i？ta i ？uida zajedni？ki sudjeluju u po？etnoj proizvodnji s 53 %, dok ostalih 47 % otpada na parametre hidrauli？noga frakturiranja