Please use this identifier to cite or link to this item: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8170
Title: Mineração de regras de classificação com sistemas de banco de dados objeto-relacional. Estudo de caso: regras de classificação de litofácies de poços de petróleo.
Other Titles: Mining of classification rules with object-relational database systems. Case study: lithofacies classification rules for oil wells.
???metadata.dc.creator???: VASCONCELOS, Benitz de Souza.
???metadata.dc.contributor.advisor1???: SAMPAIO, Marcus Costa.
???metadata.dc.contributor.referee1???: SCHIEL , Ulrich.
???metadata.dc.contributor.referee2???: ROBIN , Jacques Pierre Louis.
???metadata.dc.contributor.referee3???: SOUZA JUNIOR, Olinto Gomes de.
Keywords: Banco de Dados;Mineração de Dados;Regras de Classificação;Petróleo;Database;Data Mining;Classification Rules;Petroleum
Issue Date: 30-Oct-2002
Publisher: Universidade Federal de Campina Grande
Citation: VASCONCELOS, B. de S. Mineração de regras de classificação com sistemas de banco de dados objeto-relacional. Estudo de caso: regras de classificação de litofácies de poços de petróleo. 2002. 119 f. Dissertação (Mestrado em Ciência da Computação) – Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2002.
???metadata.dc.description.resumo???: Em aplicações de mineração de dados, a qualidade do conhecimento inferido é proporcional ao volume de dados a minerar. Levando isso em conta, a integração de algoritmos de mineração de dados com SGBDs vem sendo intensivamente pesquisada, haja vista a capacidade dos SGBDs de gerenciar grandes volumes de dados. Infelizmente, os esforços de integração têm se concentrado principalmente em conhecimento sob a forma de regras de associação, em detrimento de outros modelos de conhecimento. Esta dissertação, descreve como integrar com SGBDs o algoritmo PRISM. PRISM é um algoritmo de inferência de regras de classificação, muitas vezes mais simples e confiáveis que as indiretamente inferidas por algoritmos de árvores de decisão. A integração do PRISM se dá sob dois enfoques: relacional (PrismR) e objeto-relacional (PrismOR). São mostrados resultados de testes comparativos de desempenho do PrismR, do PrismOR, e do PrismJ, versão “stand-alone” em Java do PRISM. Como em muitos outros domínios, a mineração de dados está se tornando crucial na exploração e produção de petróleo. Na indústria petrolífera, os custos típicos de perfuração de um novo poço para exploração de novos campos são da ordem de milhões de dólares. Porém, a chance de que se obtenha um sucesso econômico é, às vezes, de 1 em 10 poços perfurados. Avanços recentes na tecnologia de perfuração e nos métodos de coleta de dados têm levado as indústrias petrolíferas a coletarem grandes quantidades de dados geológicos/geofísicos de locais onde se encontram poços em produção e exploração. Essas informações encontram-se armazenadas nos grandes bancos de dados dessas companhias. Os dados históricos de campos explorados podem ser utilizados para derivar relações entre os parâmetros observados que diretamente contribuam para o aumento no sucesso na descoberta das reservas de óleo e gás natural.
Abstract: In Data Mining applications, the quality of the induced knowledge is proportional to the volume of data available for mining. Taking this into account, the integration of Data Mining algorithms with DBMSs has been intensively researched, considering the capability of DBMSs of managing large volumes of data. Unfortunately, integration efforts have concentrated mainly on the shape of association rules, to the detriment of other knowledge models. This work describes how to tightly integrate the PRISM algorithm with DBMS. PRISM is an induction algorithm for classification rules that are often more simple and more reliable than those indirectly induced from decision tree algorithms. The integration is made using two approaches: relational (RPrism) and objectrelational (ORPrism). Comparative performance tests are shown between RPrism, ORPrism and with stand-alone Java version of Prism, JPrism. Like a number of other domains, database mining is becoming crucial in oil exploration and production. It is common knowledge in the oil industry that the typical cost of drilling a new offshore well is in the range of millions, but the chance of that site being an economic success is 1 in 10. Recent advances in drilling technology and data collection methods have led to oil companies and their ancillaries collecting large amounts of geophysical/geological data from production wells and exploration sites, and then organizing them into large databases. The historical data of explored fields can be used to derive relationships among the parameters observed that directly contribute to the increase in the success in the discovery of the oil and natural gas basin.
Keywords: Banco de Dados
Mineração de Dados
Regras de Classificação
Petróleo
Database
Data Mining
Classification Rules
Petroleum
???metadata.dc.subject.cnpq???: Ciência da Computação
URI: http://dspace.sti.ufcg.edu.br:8080/jspui/handle/riufcg/8170
Appears in Collections:Mestrado em Ciência da Computação.

Files in This Item:
File Description SizeFormat 
BENITZ DE SOUZA VASCONCELOS - DISSERTAÇÃO (PPGCC) 2002.pdf725 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.