可解释机器学习在油气领域人工智能中的研究进展与应用展望

人工智能作为战略性新兴产业及新质生产力正迅速地渗透入油气领域,并有望成为行业发展的新引擎和制高点。“黑盒”的机器学习模型缺乏透明度和可解释性,导致现有机器学习方法在油气领域的认可度和信任度不高,制约了以机器学习为核心的人工智能在油气田中的融合和发展。为此,系统介绍了可解释机器学习方法在油气田勘探开发过程的研究现状,阐述了机器学习模型的可解释性是促进油气领域人工智能大规模应用的关键,以及事后可解释方法在油气机器学习方法上的局限性,并对技术的应用进行了展望。研究结果表明:(1)利用Shapley加性解释(SHAP)和模型无关局部解释(LIME)等事后可解释方法进行煤层气产能主控因素实例验证,指出了可解释的油气田特征指标还不足以完全指导可解释模型的构建和分析,需要基于本质可解释思路建立符合油气田勘探开发自身特点的本质可解释机器学习方法;(2)利用机理模型、因果推断和反事实解释等本质可解释方法,分析油气田数据和模型参数之间的因果关系,构建了本质可解释机器学习方法;(3)选取典型煤层气压裂数据进行产能预测实例验证,发现因果推断能有效挖掘地质参数、施工参数和产能之间的本质关系,且基于因果关系建立的机器学习模型可以实现预测泛化性能提升。结论认为,基于事后可解释和本质可解释机器学习方法不仅是未来油气领域人工智能发展的必然趋势,而且是解决人工智能在油气领域现场落地的“瓶颈”问题及关键技术。

基于学生认知水平的理解——摩擦力的本质

解释摩擦力本质的相关学说主要有两种.一种为凹凸说,另一种为粘附说,但对于学习摩擦力的高一学生,这两种学说相对其认识水平和能力显得太过'高深'.从学生的认知层面用理想化的方法分析解释摩擦力的相关知识,以帮助学生更好的理解摩擦力.

奥地利学派经济学方法论论旨

奥地利学派的经济学在学术领域内独树一帜,主要是由其经济学方法论使然。他们的经济学方法论主要包括如下观点:极端的个人主义,激进的主观主义,在某种程度上表现出解释学的倾向,坚持因果发生的本质主义,坚持方法论的实在论,后期向演化经济学转向。这些特点是一个系统的整体,使得他们在看待经济问题时不同于主流经济学,并使自己沦为异端。由于他们拒绝数理模型,也使得他们难以进入主流经济学的视野之内,从而失去发扬光大自己学术观点的契机。