Порождение экспертно-интерпретируемых моделей для прогноза проницаемости горной породы

Предложен алгоритм построения комбинированной предсказательной модели для поровой проницаемости горной породы. Исходными являются керновые данные пористости, плотности и других свойств породы. Модель использует символьную регрессию для порождения суперпозиций исходных экспертно-заданных функций и затем нейронную сеть с этими суперпозициями-признаками. Вычислительный эксперимент для оценки эффективности модели поставлен не только на данных измерений керна, но и на других типах данных из открытых баз аэро- и гидродинамических измерений. Также выполнено сравнение с традиционными моделями, такими как нейронная сеть, Lasso-регрессия, Support Vector Regression (SVR) и градиентный бустинг.