Дерево принятия решений

Введение

Программное обеспечение за полвека своего существования претерпело огромные изменения, пройдя путь от программ, способных выполнять только простейшие логические и арифметические операции, до сложных систем управления предприятиями. Хотя первоначально компьютеры предназначались главным образом для выполнения сложных математических расчётов, в настоящее время доминирующим является накопление и обработка информации. Сегодня управление предприятием без компьютера просто немыслимо. Компьютеры давно и прочно вошли в такие области, как бухгалтерский учёт, управление ассортиментом и закупками.
Однако современный бизнес требует более широкого применения информационных технологий в управлении. Жизнеспособность и развитие информационных технологий объясняется тем, что современный бизнес крайне чувствителен к ошибкам в управлении. Интуиции, личного опыта руководителя и размеров капитала уже мало для того, чтобы быть первым. Для принятия любого грамотного управленческого решения в условиях неопределённости и риска необходимо постоянно держать под контролем различные аспекты финансово-хозяйственной деятельности, будь то торговля, производство или предоставление услуг. Поэтому современный подход к управлению предполагает вложение средств в информационные технологии. И чем крупнее предприятие, тем серьёзнее должны быть подобные вложения. Они являются жизненной необходимостью в жёсткой конкурентной борьбе. Одержать победу сможет лишь тот, кто лучше оснащен и наиболее эффективно организован.
Постоянное совершенствование информационных систем и технологий, особенно в сфере получения, обработки и хранения данных, дает воможность большинству организаций получать достаточно большие объемы информации, которые в дальнейшем требуется проаналиировать. Объемы такой информации настолько большие, что приводит к тому, что человеческого ресурса окаывается недостаточно. Это создало спрос на внедрение современных методов автоматизированного анализа информации, объемы использования которого ежегодно увеличиваются.
Своеременное создание и принтие правильного грамотного решения является самой главной задачей, которую должен выполнять управляющий персонал абсолютно каждого предприятия. Необдуманное решение в дальнейшем может стоить предприятию достаточно больших потерь. На практике же полученный реультат от одного решения оказывает влияние на последующее решение и т.д. В ситуациях, которые требуются принятия одновременно нескольких управленческих решений в неопределенных условиях, т.е. когда каждое следующее решение полностью зависит от того, какой результат был получен в предыдущем случае, на практике применяют так называемую теорию принятия решений.
Данная теория относится к той сфере исследования, в которой используются основные методы статистики, математики, управления для того, чтобы получить информацию о закономерностях выбора управляющим персоналом тех или иных вариантов решения определенного круга задач. В современном обществе на практике широкое распространение получили, так называемые, деревья принятия решений, которые применяются в сфере анализа и статистики для того, чтобы создавать модели прогноза определенных событий.
В настоящее время на практике такие деревья получили достаточно большое распространение в сфере интеллектуального анализа информации. Цель их применения заключается в раработке модели, которая будет осуществлять предсказание величин заданной главной переменной на основе имющихся входных параметров. Такие деревья очень удобно использоваться в ситуациях, когда, помимо простой классификации параметров, требуется дать пояснение - почему один из объектов принадлежит определенному классу.
В настощее время данная технология применяется во многих сферах деятельности людей - в промышленной, производственной, экономической, культурологической, политеческой и т.д. Не исключением является и нефтеперерабатывающая сфера. В данной работе будут рассмотрены вопросы, которые касаются использования деревьев принятия решений в нефтегазовой области.

1 Структура и основные черты деревьев принятия решений
Одним из популярных методов принятия решенﮦий являются дерﮦевья рﮦешенﮦий. С помощью этого метода можнﮦо прﮦинﮦимать рﮦешенﮦия:
- по социальнﮦым и макрﮦоэконﮦомическим вопрﮦосам;
- по рﮦазвитию фирﮦмы или в банﮦковской сферﮦе.
Дерﮦевья рﮦешенﮦий используются также для диагнﮦостики в медицинﮦе, эконﮦомике и бизнﮦесе.
Оснﮦовнﮦое отличие дерﮦевьев рﮦешенﮦий от методов рﮦаспознﮦаванﮦия обрﮦазов и моделирﮦованﮦия состоит в том, что прﮦоводимое исследованﮦие оснﮦовывается нﮦа логических рﮦассужденﮦиях, а нﮦе нﮦа вычисленﮦиях. Дерﮦевья рﮦешенﮦий - это один из методов пострﮦоенﮦия эксперﮦтнﮦых систем нﮦа оснﮦове прﮦавил вывода. Такие системы нﮦазываются системами прﮦямого логического вывода, так как мы нﮦачинﮦаем с фактов, в рﮦезультате прﮦиходим к тому или инﮦому выводу
Дерﮦево рﮦешенﮦий - популярﮦнﮦый метод нﮦауки упрﮦавленﮦия, используемый для выборﮦа нﮦаилучшего нﮦапрﮦавленﮦия действий из имеющихся варﮦианﮦтов, это способ прﮦедставленﮦия прﮦавил в иерﮦарﮦхической, последовательнﮦой стрﮦуктурﮦе, где каждому объекту соответствует единﮦственﮦнﮦый узел, дающий рﮦешенﮦие.
Любое дерево принятия решения состоит из таких структурных элементов, как листья и ветки. На ветках обычно записываются атрибуты, которые задают целевую функцию, а в листьях отмечаются значения подобной функции. В остальных узлах дерева указываются атрибуты, используя которые становится возможным различать случаи. Для того чтобы осуществить классификацию нового случая, требуется спуститься по созданному дереву принятия решений до необходимого листа и узнать необходимое значение.
Один внутренний узел дерева принятия решений эквивалентен одной входной переменной. Любое дерево принятия решений можно изучить с помощью разделения начальных данныхна определенные подмножества, которые созданы за счет тестирования значений атрибутов. Данная процедура должна повторяться для каждого полученного подмножества.
Процедура рекурсии останавливается в том случае, когда значения подмножества совпадают со значениями целевой переменной

. Это фактически означает, что дальше никакой ценности предсказаним не привносится. Процедураиндукции деревьев принятия решений служит ярким примером алгоритма поглощения, и в настоящее время она является одной из самых распространенных стратегий создания деревьев принятия решений для информации. Однако она не является единственной.
В решении вопросов интеллектуального анализа информации, деревья принятия решения могут эффективно применяться для математических, а также вычислительных операций, с целью оказания помощи при анализе имеющейся информации.
Пострﮦоенﮦие «дерﮦева рﮦешенﮦий» чаще всего используется для анﮦализа прﮦоектнﮦых рﮦисков. Метод прﮦименﮦяется для тех прﮦоектов, которﮦые имеют обозрﮦимое количество варﮦианﮦтов рﮦазвития. Прﮦи этом анﮦалитик, осуществляющий пострﮦоенﮦие «дерﮦева рﮦешенﮦий», для форﮦмулирﮦованﮦия рﮦазличнﮦых сценﮦарﮦиев рﮦазвития прﮦоекта должен обладать нﮦеобходимой и достоверﮦнﮦой инﮦфорﮦмацией с учетом верﮦоятнﮦости и врﮦеменﮦи их нﮦаступленﮦия. 
Пострﮦоенﮦие «дерﮦева рﮦешенﮦий» чаще всего используется для анﮦализа прﮦоектнﮦых рﮦисков. Метод прﮦименﮦяется для тех прﮦоектов, которﮦые имеют обозрﮦимое количество варﮦианﮦтов рﮦазвития. Прﮦи этом анﮦалитик, осуществляющий пострﮦоенﮦие «дерﮦева рﮦешенﮦий», для форﮦмулирﮦованﮦия рﮦазличнﮦых сценﮦарﮦиев рﮦазвития прﮦоекта должен обладать нﮦеобходимой и достоверﮦнﮦой инﮦфорﮦмацией с учетом верﮦоятнﮦости и врﮦеменﮦи их нﮦаступленﮦия. 
На сегодняшний день существует несколько известных алгоритмов, позволяющих создавать дерева решений:
- CART - аббревиатура слов Classificationand Regression Tree (классификация и регрессия). Согласно его принципам, каждый узел дерева может иметь только два ответвления;
- С4.5 - метод построения, при котором каждый узел может иметь неограниченное количество веток. В такой схеме тяжело делать прогнозы, поэтому ее используют для классификации;
- QUEST (Quick, Unbiased, Efficient Statistical Trees). Самая сложная из всех моделей, но очень достоверная. Позволяет создавать многомерное ветвление. Это значит, что в любом узле может создаваться не просто множество веток, а примеров действия.
Основной вопрос, который появляется при работе с деревьями принятия решений, заключается в наиболее оптимальном размере дерева. Очевидно, что если дерево принятия решений будет небольшим, то оно не сможет охватить ряд действительно важных данных. Однако до настоящего времени очень трудно сказать, в каких ситуациях следует останавливать алгоритм, тем самым фиксируя размер дерева принятия решений, поскольку невозможно заранее предугадать добавление какого нового ула приведет к существенному уменьшению ошибки. Данная проблема получила навание «эффект горионта». Однако, приведенная ранее стратегия определения оптимальных размеров деревьев принятия решений до сих пор функционирует.
Стоит отметить, что определение глубины дерева принятия решений должно приводить к уменьшению размеров обучающей модели дерева, при этом не оказывая каких-либо негативных воздействий на точность прогнозировани. В настоящее время разработано достаточно большое число таких методов.
К основным достоинствам использования дерева принятия решений можно отнести:
- простота в понимании и интерпретации;
- отсутствие какой-либо подготовки данных;
- способность работать как с категориальными, так и с интервальными переменными;
- использование модели «белого ящика»;
- наличие возможности оценить модель при помощи статистических тестов;
- высокая надежность;
- имеется воможность работать с большим объемом информации без специальных подготовительных процедур.
Среди основных недостатков их использования можно выделить следующие:
- проблема получения оптимального дерева решений;
- использование, в конечном итоге, достаточно сложных конструкций, которые недостаточно полно представляют данные;
- сложность понимания данных, которые описываются данным деревом [1].
Сфера использования данной технологии является очень широкой, однако при этом имеется возможность объединить все решаемые задачи в такие классы, как:
- описание информации. Дерево принятия решений дает возможность сохранять данные в достаточно компактной форме, при этом информация, которая будет сохранена, будет содержать достаточно полное описание обектов;
- классификация информации. Дерево принятия решений достаточно хорошо справляются с вопросами классификации, т.е. определению объектов к заранее выбранному классу. Целевая переменная, при этом, будет иметь дискретные значения;
- регрессионная информация. В тех случаях, когда переменная обладает непрерывными данными, дерево принтия решений дает воможность установить имеющуюся зависимость искомой переменной от входных. К примеру, в данную сфер задач могут быть отнесены вопросы численного программирования.

2 Применение деревьев принятия решений для выбора целей бурения в условиях геологической неопределенности
Принятие решения о выборе цели бурения предполагает геологическое и экономическое обоснование мероприятий, а также выбор приоритетных целей, что в условиях существенной неопределенности является нетривиальной задачей. Под целью бурения понимается часть залежи (с указанием координат пластопересечения), вскрываемая проектной скважиной, характеризующаяся определенными геологофизическими характеристиками и рассматриваемая как зона перспективного бурения.
При работе с пространственными данными необходимо помнить, что массив данных представляет собой лишь некоторую выборку измерений изучаемого поля в различных точках, число которых ограничено по тем или иным причинам. Измеряемые данные в общем случае дискретны и распределены по площади неоднородно. В данной ситуации возникают следующие задачи:
- определение параметра в произвольной точке поля;
- построение карты значений параметра по площади;
- определение вероятности того, что значение параметра будет больше или меньше ожидаемого;
- создание равновероятностных наборов пространственных реализаций наблюдаемого параметра.
В начале 2016 года в предприятии «Газром нефть» запустили программу, рещультатом которой должно стать увеличение эффективности бизнес-пданирования процессов бурения нефтяных скважин, которые будут разработаны в рамках проекта, который навается «Геологический рейтинг бурения» [2].
Процесс принятия решения о выборе целей бурения основывается на анализе информации, полученной по результатам работы сотрудников геологических подразделений в программном инструменте для формирования сквозного рейтинга целей бурения.
Инструмент позволяет в оперативном режиме оценивать потенциальные показатели эксплуатации скважины, такие как начальные дебиты жидкости и нефти, профили добычи жидкости и нефти, запасы, приходящиеся на скважину, и формировать рейтинг целей бурения для:
- систематизации и унификации подхода к планированию программ бурения с целью определения приоритетности объектов бурения по всем добывающим обществам компании;
- повышения прозрачности процесса формирования программы бурения;
- минимизации рисков эксплуатационного бурения за счет уточнения программы геолого-разведочных работ.
С точки зрения оптимальной стратегии развития актива необходимо проводить геолого-технические мероприятия с целью максимизации добычи или обеспечения рентабельности проекта