ادب سے اندازہ کرتے ہوئے ، بہت سارے مطالعات نے مشین لرننگ ٹکنالوجی کا استعمال کرتے ہوئے مختلف نقطہ نظر سے تلاش کی ہے۔
N. Mohmadian ET رحمہ اللہ تعالی. پوسن کے تناسب اور زیادہ سے زیادہ افقی تناؤ کی پیش گوئی کرنے کے لئے لیبارٹری جامد اور متحرک میکانکی ٹیسٹوں کے ذریعہ ایک جیو میکانیکل ماڈل تیار کیا اور دو ہائبرڈ نیورل نیٹ ورک ماڈل (ایم ایل پی - جی اے اور ایم ایل پی - پی ایس او) تیار اور تربیت دی۔ نتائج سے پتہ چلتا ہے کہ ایم ایل پی - پی ایس او ماڈل کو کلیدی جغرافیائی متغیرات کی پیش گوئی کرنے میں زیادہ فوائد ہیں ، اور اس کی تاثیر اور عملی طور پر عملی ایپلی کیشنز میں ثابت ہوا ہے ، جو پوسن کے تناسب اور زیادہ سے زیادہ افقی تناؤ کی وجہ سے ہونے والے سانچے کے خاتمے کے طریقہ کار کی تفہیم کی بھر پور حمایت کرتا ہے۔
جے وو ایٹ ال۔ ویلبرور استحکام کی پیش گوئی کے لئے مصنوعی اعصابی نیٹ ورک (اے این این) ماڈل قائم کیا۔ انہوں نے موجودہ طبیعیات - پر مبنی ماڈلز سے اچھی طرح سے استحکام کو متاثر کرنے والے 11 عوامل کا تعین کیا۔ تربیت کے بعد ، اس کا استعمال کسی اور کنویں کے ویلبر قطر میں توسیع کی شرح کی پیش گوئی کرنے کے لئے کیا گیا تھا اور اس کا موازنہ مشین سیکھنے کے دیگر ماڈلز سے کیا گیا تھا۔ نتائج سے پتہ چلتا ہے کہ اے این این ماڈل میں ویل بور قطر کے پروفائل کی پیش گوئی کرنے میں بہترین کارکردگی ہے ، جو آف شور اتلی ویلبر استحکام کے مطالعہ کے لئے نئے آئیڈیا فراہم کرتے ہیں۔
H. Liu et al. گہری - بیٹھے ہوئے سینڈ اسٹون کا مقصد۔ مختلف قید دباؤ کے حالات کے تحت کثیر - گروپ ٹرائیکسیل مکینیکل تجربات کے ذریعہ ، متغیر - پیرامیٹر موہر - کولمب معیار کی بنیاد پر گہری - بیٹھے ہوئے سینڈ اسٹون فارمیشنوں کے ویل بور کے خاتمے کے دباؤ کا ایک حساب کتاب ماڈل قائم کیا گیا تھا۔ مختلف قید دباؤ کے حالات کے تحت چٹانوں کی طاقت کا اندازہ کرنے میں مختلف معیارات کی درستگی کا موازنہ کیا گیا ، جو گہری - بیٹھے ہوئے تیل اور گیس کے کنوؤں میں سوراخ کرنے والی سیال کثافت کے محفوظ اور عقلی انتخاب کے لئے نظریاتی بنیاد فراہم کرتا ہے۔
یہ تحقیقی نتائج تیل اور گیس سے متعلق اچھی طرح سے مشین سیکھنے کی بڑی صلاحیت کی پوری طرح عکاسی کرتے ہیں۔ مشین لرننگ پیچیدہ اعداد و شمار کی ایک بڑی مقدار پر عملدرآمد کر سکتی ہے ، اعداد و شمار میں ممکنہ تعلقات اور قواعد کو جلدی اور درست طریقے سے کان کر سکتی ہے ، اور پھر زیادہ سائنسی اور موثر فیصلہ فراہم کرسکتی ہے - تیل اور گیس کی اچھی طرح سے انجینئرنگ کے لئے معاونت۔
مثال کے طور پر ، کیسنگ کے خاتمے کی پیشن گوئی کے معاملے میں ، مشین لرننگ ماڈل کیسنگ - گرنے - تاریخی اعداد و شمار میں متعلقہ عوامل ، جیسے زیر زمین تناؤ کے شعبوں ، چٹانوں کی خصوصیات وغیرہ کو سیکھ سکتا ہے ، ایک درست پیش گوئی کا ماڈل بنائیں ، سانچے کے خاتمے کے خطرے کی ابتدائی انتباہ دیں ، اور سوراخ کرنے والی کارروائیوں کی محفوظ پیشرفت کو یقینی بنائیں۔ ویل بور استحکام کے مطالعے میں ، مشین لرننگ کیچڑ کے وزن جیسے پیرامیٹرز کو بہتر بنانے ، آسانی سے گرنے والی شکلوں کی نشاندہی کرنے ، سوراخ کرنے والی کارکردگی کو بہتر بنانے اور اخراجات کو کم کرنے کے لئے مددگار ثابت ہوتی ہے۔ گہری - بیٹھے ہوئے سینڈ اسٹون کی مکینیکل خصوصیات کے مطالعے میں ، مشین لرننگ مکینیکل تجرباتی اعداد و شمار کی ایک بڑی مقدار سے راک مکینیکل پیرامیٹرز کی مختلف خصوصیات اور ناکامی کے قوانین کا خلاصہ کرسکتی ہے ، جو گہری بیٹھے ہوئے تیل اور گیس کے وسائل کی ترقی کے لئے زیادہ قابل اعتماد نظریاتی بنیاد فراہم کرتی ہے۔
آخر میں ، ایک طاقتور ٹول کی حیثیت سے ، مشین لرننگ تحقیق کے شعبوں جیسے تیل اور گیس کی اچھی طرح سے سانچے کے خاتمے ، اچھی طرح سے استحکام ، اور گہری بیٹھے ہوئے سینڈ اسٹون کی مکینیکل خصوصیات جیسے نئے مواقع اور چیلنجز لاتی ہے۔ مستقبل میں ، مشین لرننگ ٹکنالوجی کی مسلسل پیشرفت اور گہرائی کی درخواست کے ساتھ ، تیل اور گیس کے نکالنے کے میدان میں مزید کامیابیاں اور بدعات کے حصول کی توقع کی جارہی ہے ، جس سے تیل اور گیس کے وسائل کی موثر نشوونما اور محفوظ نکالنے میں زیادہ سے زیادہ شراکت ہوگی۔
