D´etection des anomalies dans les donn´ees des puits p´etroliers Cas de SONATRACH

Abstract

L’analyse des donn´ees est un domaine en pleine expansion, vu la num´erisation galopante que connaˆıt le monde entier. Le traitement des donn´ees et le besoin d’une intelligence artificielle tr`es performante en est donc une cons´equence imm´ediate et SONATRACH comme ´etant un moteur ´economique important non pas dans le bassin m´editerran´een mais dans le monde entier, ne fait pas l’exception. Elle a donc un besoin urgent d’exploiter ses donn´ees pour une meilleure exploration du champ p´etrolier. Dans ce travail, nous fournissons une ´etude d´etaill´ee sur la fa¸con de mettre en oeuvre l’apprentissage automatique supervis´e dans l’´evaluation de la performance des mod`eles existants de d´etection des aberrations dans le jeu de donn´ees de SONATRACH. Nous avons donc impl´ement´e trois algorithmes l’Angle-Based Outlier Detection (ABOD), le K-Plus Proches Voisins (KNN) et le Isolation Forest (IForest). Nous avons ensuite donner une m´etrique pour les comparer et nous avons d´eceler le meilleur algorithme qui nous fournit la meilleure d´etection des anomalies.