Este webinar cubre un caso aplicado de modelamiento de unidades geológicas realizado en el embalse Queens Mary, Londres, Reino Unido, basado en 266 perforaciones. El modelo geológico se realizó en Python con la librería de machine learning Scikit Learn para crear un modelo geológico basado en la litología de las perforaciones. El código genera una nube de puntos de litologías de perforación que se transforman y escalan en un clasificador de red neuronal como el Multi-layer Perceptron classifier implementado por la librería Scikit Learn como sklearn.neural_network.MLPClassifier. Para validar los resultados del modelo geológico se realiza un análisis de la matriz de confusión de la red neuronal. El webinar también incluye una visualización en 3D georreferenciada y una comparación de la litología de pozos y la geología interpolada como formato Vtk en Paraview.

Instructor:

Saul Montoya M.Sc.

Hidrogeólogo - Modelador Numérico

Saul Montoya es Ingeniero Civil graduado de la Pontificia Universidad Católica del Perú en Lima con estudios de postgrado en Manejo e Ingeniería de Recursos Hídricos (Programa WAREM) de la Universidad de Stuttgart con mención en Ingeniería de Aguas Subterráneas y Hidroinformática. Él domina las herramientas de modelamiento para el cálculo del flujo y transporte de contaminantes en condiciones estáticas y dinámicas, además de los códigos para el modelamiento de la zona vadosa / no saturada. También es capaz de interactuar los modelo hidrogeológicos con modelos hidrológicos y con modelos de gestión del agua.

Lenguaje:

Español

Fecha del evento:

Martes 30 de Noviembre, 7:00 pm hora de Lima

Registro

Se puede registrar en el enlace del evento:

webinars.hatarilabs.com/webinardetail/webinar-abierto-machine-learning-para-el-modelamiento-geologico-con-python-y-scikit-learn