Assas Recherche | Approches d'apprentissage automatique pour des sources hétérogènes géologiques de sous-sol

Approches d'apprentissage automatique pour des sources hétérogènes géologiques de sous-sol (Document en Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse consultable sur internet, en texte intégral.

Informations sur les contributeurs

Auteur : Arman Molood

Arman, Molood

Nom

Arman

Prénom

Molood

Nationalité

Français

Date de soutenance : 09-03-2023

Directeur(s) de thèse : Seghouani-Bennacer Nacéra

Seghouani-Bennacer, Nacéra

Nom

Seghouani-Bennacer

Prénom

Nacéra

- Bugiotti Francesca

Bugiotti, Francesca

Nom

Bugiotti

Prénom

Francesca

- Wlodarczyk Sylvain

Wlodarczyk, Sylvain

Nom

Wlodarczyk

Prénom

Sylvain

Etablissement de soutenance : université Paris-Saclay

université Paris-Saclay

Nom

université Paris-Saclay

Laboratoire : Laboratoire interdisciplinaire des sciences du numérique (Orsay, Essonne ; 2021-....)

Laboratoire interdisciplinaire des sciences du numérique (Orsay, Essonne ; 2021-....)

Nom

Laboratoire interdisciplinaire des sciences du numérique (Orsay, Essonne ; 2021-....)

Ecole doctorale : École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)

École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)

Nom

École doctorale Sciences et technologies de l'information et de la communication (Orsay, Essonne ; 2015-....)

Informations générales

Discipline : Informatique
Classification : Informatique

Mots-clés libres : Extraction d'information, Apprentissage Profond, Modèles de langue, Approches d'apprentissage automatique, Reconnaissance des entités nommées, Étude géologique du sous-Sol
Mots-clés :

Gisements pétrolifères, Étude des
Diagraphies
Apprentissage profond
Géologie -- Informatique

Résumé : Dans le domaine de l'exploration et de la production du pétrole et du gaz, il est essentiel de comprendre les structures géologiques de sous-sol, tels que les diagraphies de puits et les échantillons de roche, afin de fournir des outils de prédiction et d'aide à la décision. Exploiter des données provenant de différentes sources, structurées ou non structurées, telles que des bases de données relationnelles et des rapports numérisés portant sur la géologie du sous-sol, est primordial. Le principal défi pour les données structurées réside dans l'absence d'un schéma global permettant de croiser tous les attributs provenant de différentes sources.Les défis sont autres pour les données non structurées. La plupart des rapports géologiques de sous-sol sont des versions scannées de documents. L'objectif de notre travail de thèse est de fournir une représentation structurée des différentes sources de données, et de construire des modèles de language spécifique au domaine pour l'apprentissage des entités nommées relatives à la géologie du sous-sol.

Informations techniques

Type de contenu : Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2023UPASG014
Type de ressource : Thèse