Калиброванное бревно: Калиброванное бревно, оцилиндрованное бревно от производителя

Калиброванное бревно, оцилиндрованное бревно от производителя

Наши клиенты нередко интересуются, чем отличается калиброванное бревно от оцилиндрованного? Вопрос вполне понятный, продиктованный желанием приобрести для своего дома самое лучшее. Производители деревянного бруса, например, предлагают целых три варианта: помимо простого бруса можно купить профилированный или клееный, и каждый из этих материалов будет иметь свои преимущества и ограничения. А как классифицируют бревна?

В действительности калиброванное бревно и оцилиндрованное — разные названия одного и того же материала. Это бревно, прошедшее специальную обработку на оцилиндровочном станке, который обеспечивает изготовление бревна заданного диаметра и с ровной поверхностью. Конечный продукт — гладкие и абсолютно одинаковые бревна, ровные, как карандаши, имеющие одинаковый «калибр».

Интересно:

Само слово «калибр» пришло в русский язык из итальянского. Итальянцы заимствовали его у арабов, а те, в свою очередь — у греков. В греческом языке «калибром» называли сапожную колодку. Старинное значение этого слова сохранилось до наших дней — это форма, некий условный размер, на основании которого классифицируется продукция.

Таким образом, оба названия — калиброванное и оцилиндрованное бревно — являются корректными. Но в профессиональной среде чаще используют понятие «оцилиндрованное бревно» или ОЦБ. Оно же используется на нашем сайте.

Преимущества калиброванного бревна

Возраст традиции строительства домов из калиброванного бревна на Руси измеряется тысячелетиями. Конечно, в первую очередь использование бревна в качестве главного строительного материала было обусловлено его доступностью: у нас всегда было много хорошего строевого леса. Например, в соседней Европе дома рано стали строить из камня и кирпича не столько ради долговечности, сколько потому, что огромные лесные массивы еще в эпоху Средневековья были вырублены под пашни, поселения и торговые пути.

Дерево имеет и другие преимущества, кроме относительной простоты заготовки и обработки:

• прекрасная тепло- и звукоизоляция;
• полная безопасность для здоровья человека и окружающей среды;
• красивый внешний вид;
• широкие возможности отделки: окраска, пропитка, резьба, выжигание и т. д.

Дома из калиброванного бревна выгодно отличаются от домов из простых бревен. Они прекрасно выглядят, быстро строятся, не требуют дополнительной заделки межвенцовых стыков. Равные по диаметру и идеально ровные бревна плотно прилегают друг к другу, исключая появление сквозняков и промерзание стен. Калиброванное бревно — идеальный выбор для тех, кто желает иметь дом, отвечающий высоким современным стандартам экологической безопасности, красоты и комфорта.

проекты и цены. Строим под ключ с гарантией

Дома из калиброванного бревна: долговечное и комфортное жилье

Один из насущных вопросов, требующих выяснения, заключается в том, есть ли разница между оцилиндрованным и калиброванным бревном. Практика подготовки древесных материалов компанией «Мари Сруб» показывает, что оцилиндрованные и калиброванные бревна – это одно и то же.

Все дело в том, что технология изготовления материала в обоих случаях идентична. Дерево обрабатывается и доводиться до нужных размеров таким образом, чтобы важная его часть — заболонь (древесный слой, в котором содержится смола) оставалась нетронутой. Это позволяет значительно продлить срок жизни материала и сделать его стойким к разнообразным влияниями и процессам (начиная от раннего гниения и заканчивая негативным воздействием насекомых).

Наиболее популярной основой для создания калиброванных бревен является сосна. Ее прочность вкупе со слоем смолы становится гарантией того, что дом прослужит десятилетиями, не потребовав при этом ремонта.

О сильных сторонах калиброванного бревна

• Создание и поддержка идеального для человека микроклимата, так как дерево – натуральный и экологически чистый строительный материал.

• Отличный воздухообмен и должный уровень влажности. Все это говорит о том, что вам может и не понадобиться эффективная вентиляционная система, ведь стены жилища встанут на страже этой проблемы.

• Невысокие эксплуатационные расходы дополнят список преимуществ и помогут радоваться сделанному выбору еще долгое время после окончания строительства.

«Мари Сруб»: множество решений строительных задач

Итак, вы уже обдумали свой выбор и остановились на строительстве дома из калиброванного бревна. В этом случае компания «Мари Сруб» станет идеальным подрядчиком.

Наличие собственного производства позволяет поставлять базовые строительные материалы быстрее и предоставлять клиентам гарантию того, что используемый материал имеет наилучшее качество.

Бесплатные проектные работы – еще один повод стать нашим клиентом. Специалисты компании готовы спроектировать дом заказчика с нуля и не взять за это ни копейки, при условии, что дальнейшее строительство будет проводиться силами бригад «Мари Сруб».

Наконец, главная особенность компании, которая привлекает сотни клиентов, заключается в прозрачном и честном формировании итоговой сметы. Никаких скрытых платежей или комиссий. Вы будете знать, во сколько обойдется строительство еще до начала самих работ.

Начинайте строиться вместе с «Мари Сруб» и получайте все преимущества от сотрудничества

Оцилиндрованное бревно в Нижнем Новгороде, цена низкая в ООО «Рада»

  Современный, надежный и экологически безопасный дом — мечта каждого человека, которую мы готовы воплотить в реальность. Наша компания «Рада» использует исключительно качественные и доступные по цене материалы, среди которых большую нишу заняли оцилиндрованные бревна. Оцилиндрованное бревно в Нижнем Новгороде, цена на которое отличается лояльность, станет основой, несущей в ваш дом тепло, комфорт и уют.
Оцилиндрованные бревна: положительные стороны
Оцилиндрованные бревна — это бревно, которое перед эксплуатацией прошло тщательную и специальную обработку на фрезеровочном станке. После обработки они имеют одинаковую форму и диаметр и не нуждаются в дополнительном шлифовании и подгонке.

• высококачественная шумоизоляция;
• теплопроводность – аккумулирует тепло и минимизирует потери;
• отлично комбинируется с другими отделочными материалами;
• достаточно простая технология укладки бревна и строительства в целом. Этот фактор стал возможен благодаря стандартной форме изделия, наличия маркировочных знаков. Поэтому строительство дома становится всё больше похожим на конструктор – рабочим необходимо по схеме собрать каркас будущего дома, не отходя от параметров и чертежа;
• теплоизоляционная способность рубленных углов. Такой эффект достигается с помощью подгонки бревен перед остаточной укладкой. Поэтому древесина ложиться плотно без зазоров;
• совокупная надежность – идентичные бревна с одинаковым диаметром обеспечивают устойчивость строения, равномерность усадки.

Стоит отметить, что окупается строительство дома из ОЦБ достаточно быстро благодаря минимизации потерь тепла, строительных материалов и отделочных работ.
Виды профилей, отличительные черты
Оцилиндрованное бревно может использоваться в двух вариантах профиля: обычный (лунный) и финский.
При обычном профиле бревна срезаются в виде небольшого полумесяца. Специалисты именуют его как продольный профиль. Приоритетной задачей такого вида среза является максимально плотная укладка бревна на бревно, ведь от ширины данного профиля зависит не только теплопроводность стен, но и красота и уют в доме.

• монтаж: Лунный паз требует постоянного контроля рабочих, фиксации и наблюдения за четкостью вертикальности стены, в то время как при использовании финского профиля за счет дополнительных канавок, укладка бревен происходит без особых усилий;
• эстетический вид. Используя лес с обычным профилем необходимо межвенцовый утеплитель тщательно прятать, отделывая швы более бдительно. При использовании бревен с финским пазом, утеплителя не видно, поэтому отсутствует необходимость в дополнительной отделке дома, следовательно, и в увеличении затрат. Покупая оцилиндрованные бревна в Нижнем Новгороде с финским пазом по демократичной цене наши клиенты гарантировано получают высочайшее качество при минимальных затратах.
• герметичность. Лунный профиль рекомендуется утеплить с удвоенной скрупулезностью, при этом увеличится расход герметика в несколько раз. В сравнении с этим, при эксплуатации финского профиля за счет канавок, герметик ложиться, и удерживается по всей поверхности бревна более тщательно и надежно.
• стоимость. Немаловажный критерий при строительстве дома из бревен. В данном случае, использование леса с обычным профилем, наши клиенты экономят огромные суммы, за счет дешевизны и быстроты изготовления. Используя финский профиль, клиенты рискуют получить дополнительные расходы из-за дорогостоящих пиломатериалов.

Поэтому покупая оцилиндрованные бревна в Нижнем Новгороде целесообразно сравнить цену леса с использованием различных видов профилей.
Используя ОЦБ при строительстве дома, стоить помнить о том, что строению необходимо пройти этап усадки. После усадки, строение будет не только красивым снаружи, но и внутри.также, получится избежать ненужных трещин и чрезмерного уменьшения жилого пространства.
Приобретая оцилиндрованные бревна в Нижнем Новгороде по приемлемой цене покупатель покупает лес, обработанный от вредителей и насекомых, поэтому следующую обработку нужно будет произвести не ранее чем через несколько месяцев после укладки.
Наша компания заботиться о каждом клиенте. Мы оказываем нашим клиентам любое сопровождение на всех этапах строения дома: начиная от закладки фундамента и заканчивая отделочными работами.

Оцилиндрованное бревно

Это круглый лесоматериал, обрабатываемый на специальных станках для придания ему цилиндрической формы. Также носит название калиброванное бревно и оцилиндрованный брус. На протяжении уже не одного десятка лет оцилиндрованное бревно используется для строительства деревянных домов и бань, а спрос на него не уменьшается. Строители выделяют удобство работы с таким уникальным строительным материалом, а будущие жители ценят его за надежность, прочность, экологичность и комфорт, присущие вековым традициям бревенчатых срубов, дошедших до нас издревле.

Компания «Бревенбург» прониклась чувствами наших предков к дереву и вот уже на протяжении многих лет специализируется на производстве оцилиндрованного бревна на собственной производственной базе расположенной в городе Кирове с поставками заказов по всей России, экспортом в страны СНГ и Евросоюз. Год от года мы стараемся совершенствовать наши технологии, увеличивая производственные мощности и качество продукции.

Кратко о нашей продукции

Производственные мощности на сегодняшний день составляют до 1200 (!) кубических метров готовой продукции ежемесячно. Мы производим оцилиндрованное бревно длиной 6 метров и диаметрами 180, 200, 220, 240, 260, 280,  300 и 320 мм. По отдельной договорённости возможно изготовление элементов длиной более 6 метров. При производстве комплектов сруба мы применяем классический круглый вид чаш, выбираемых снизу бревна, продольный лунный паз, финский профиль, шип-паз. Комплект сруба из калиброванного бревна изготавливается по проекту, разработанному нашими специалистами или предоставленному заказчиком. В составе проекта обязательно присутствуют производственные спецификации и развёртки стен для сборки.

Наш стандарт оцилиндрованного бревна — это:

Cортировка и выборка по качеству с отбором по сортам согласно ГОСТ 9463-88

Бесплатно

По-умолчанию

Лыски по кругу проёмов для наличников окон и дверей, пазы для обсадных коробок

Бесплатно

По-умолчанию

Закладной венец

Исключительно важно, что все брёвна первого венца имеют плоское основание вместо паза

Чаши под углами 45, 60, 90°

Выборка чаш под нестандартными углами. Как пример — формирование в срубе эркеров

Строгий контроль, учет и идентификация каждого бревна биркой со штрих-кодом

Бесплатно

При необходимости

Транспортное антисептирование методом погружения. Необходимо в теплое время года

С учетом объема, направления, подъездных путей, метода разгрузки и экономии

Погрузка продукции

Бесплатная погрузка краном или вручную на нашей производственной площадке

В расчетах то бревно, что используется в стенах, а не на производстве по карте раскроя

Гарантии качества бревна

Для поддержания постоянно высокого качества создан многоэтапный контроль.

• Входной контроль – на приёмке пиловочника на площадке
• Производственный контроль – контролируется уровень заточки ножей на всей оцилиндровочной линии, точность их установки, точность постановки лазеров, глубина чаши, глубина и ширина продольного паза и все технические требования компании к продукции
• Контроль готовой продукции – проверка каждого калиброванного бревна на соответствие проектным данным, проверка необходимого количества изготовленных деталей (для исключения пропавших позиций) при отгрузке и складировании.
• Постоянный визуальный контроль бревна. Для этого в цехе создан соответствующий уровень освещенности, а приёмка пиловочника производится только в светлое время суток. Работа при частично работающих светильниках строго запрещена.

Также качество оцилиндрованного бревна мы сохраняем благодаря еще нескольким, важным на наш взгляд, моментам:

• Отсутствие «текучки» кадров. Мы дорожим нашими специалистами, накопившими огромный и многолетний опыт, а они в свою очередь, дорожат своим рабочим местом и авторитетом всего коллектива и компании в целом.
• Отсутствие промежуточного склада. В компании Бревенбург существует только склад готовой продукции оцилиндрованного бревна, что исключает преждевременное растрескивание погонных изделий.
• Изготовление оцилиндровки на сруб производится строго по венцам, начиная с первых. Это даёт возможность безостановочной сборки сруба и отсутствие пересортицы на стройплощадке.

Качественное оцилиндрованное бревно по доступной цене строго в срок!

Именно этот девиз один из основных принципов работы для нас. Благодаря достойному качеству, чётко слаженной работе и доступным ценам мы являемся одними из лидеров в этой отрасли по Кировской области. Мы всегда готовы это доказать словом и делом!

Качество нашей продукции оценило уже множество частных застройщиков и строительных организаций в Москве и области, по всей территории европейской части России и за рубежом.

• Работать с нами УДОБНО! Мы всегда выполняем взятые на себя обязательства в полном объёме и в оговорённые сроки. Это лишает всех наших клиентов каких-либо забот и позволяет строить высококачественные дома, не отвлекаясь на решение различных проблем.
• Работать с нами ВЫГОДНО! Оцилиндрованное бревно не требует отделки, а современные защитные материалы позволяют на протяжении десятилетий оставаться ему в целости и сохранности.

Сухое оцилиндрованное бревно камерной сушки

Специально для тех, кто хочет именно бревенчатый дом, но кого смущает необходимость выжидать значительную усадку и усушку, мы освоили производство срубов из нашего сухого оцилиндрованного бревна камерной сушки.

Преимущества перед бревном естественной влажности делают сухое бревно менее капризным и приближают к желанному заселению!

Подробнее о сухом бревне

География поставок нашего оцилиндрованного бревна

Сотрудничаем на постоянной основе

Неоднократные успешные поставки и постройки

Оперативно организуем надежное сотрудничество

Города и регионы России:

Республика Татарстан

Краснодарский край

Астраханская область

Саратовская область

Белгородская область

Республика Татарстан

Новгородская область

Приморский край

Республика Северная Осетия (Алания)

Владимирская область

Волгоградская область

Московская область

Республика Коми

Воронежская область

Краснодарский край

Чеченская Республика

Свердловская область

Ивановская область

Удмуртская Республика

Республика Марий-Эл

Республика Татарстан

Калининградская область

Калужская область

Тверская область

Республика Крым

Кировская область

Московская область

Ханты-Мансийский автономный округ

Краснодарский край

Курская область

Ямало-Ненецкий автономный округ

Липецкая область

Челябинская область

Московская область

Московская область

Владимирская область

Республика Татарстан

Нижегородская область

Орловская область

Оренбургская область

Пензенская область

Пермский край

Ставропольский край

Ростовская область

Рязанская область

Самарская область

Ленинградская область

Республика Мордовия

Саратовская область

Республика Крым

Республика Крым

Краснодарский край

Ставропольский край

Белгородская область

Республика Башкортостан

Самарская область

Республика Коми

Московская область

Тамбовская область

Тверская область

Самарская область

Томская область

Тульская область

Тюменская область

Республика Коми

Республика Башкортостан

Республика Коми

Республика Чувашия

Челябинская область

Нижегородская область

Ярославская область

Другие страны:

Оцилиндрованное (калиброванное) бревно

Оцилиндрованное бревно — это фрезерованное бревно, которое прошло механическую обработку на специальном оборудовании и имеет одинаковый диаметр по своей длине. В зависимости от вида применяемого станка бревну может придаваться специальный профиль. Процесс производства состоит из следующих этапов:

Сначала бревна сортируются по диаметру. Затем отсортированное сырьё подаётся в станок проходного типа для обработки. После обработки на оцилиндровочном станке бревно раскраивается на детали дома при помощи дисковых пил. После изготовления чаш, каждая деталь дома обрабатывается антисептиком, который предотвращает заражение свежей древесины грибками и плесенью. Обработанные бревна дома упаковываются в транспортные пакеты и отправляются на склад для дальнейшей транспортировки на место сборки.

Возведение домов из оцилиндрованного бревна занимает значительно меньше времени. Процесс строительства не требует задействования сил профессионалов. Бревно с одинаковым диаметром позволяет в процессе постройки образовать более твёрдую конструкцию и максимально уменьшить расстояние между брёвнами на стыке. Подогнанные вплотную благодаря свойству герметичности угловых и венцовых соединений, они создают прочные стены и обладают повышенной изолирующей способностью. Полученная поверхность выглядит гладкой и не требует дополнительной обработки стен.

На выбор мы можем предложить Вам Оцилиндрованное (калиброванное) бревно из лиственницы, сибирского кедра или ангарской сосны без увеличения стоимости!

Оцилиндрованое бревно в Перми

Приобрести оцилиндрованное бревно в Перми, заказать изготовление домокомплектов из оцилиндровки можно в ООО «ПСК Зодчий 59».

Также мы предлагаем услуги по проектированию и строительству домов из оцилиндрованного бревна в Перми и Пермском крае «под ключ».

В наличии готовые проекты индивидуальных домов из оцилиндрованного бревна.

Калиброванное бревно или оцилиндрованное. Строительство дома из оцилиндрованного бревна: за и против

Калиброванное бревно или оцилиндрованное. Строительство дома из оцилиндрованного бревна: за и против

Вернуться к списку статей

Всякий раз, когда говорят о деревянных домах, в памяти прежде всего возникают картинки домов из оцилиндрованного бревна.

Калиброванные по диаметру бревна, ровные ряды выпусков, мощные конструкции из бревен, поддерживающие крыши открытых террас и балконов — все это составляет свой, характерный только для этого типа домов стиль архитектуры.

Стиль, который одинаково хорош и для небольших дачных домов, и для солидных коттеджей.

Как и у домов из любого другого материала, у домов из «оцилиндровки» есть свои плюсы и минусы.

Начнем с недостатков.

Главный недостаток любого деревянного дома — дерево хорошо горит. Различные пропитки-антипирены снижают вероятность возгорания, но, естественно не делают дерево негорючим. Поэтому монтаж электропроводки и систем отопления, установка печей и каминов в деревянном доме должны быть особенно аккуратными и продуманными. И, конечно, разумно застраховать свой дом в надежной страховой компании.

Другим недостатком дома из оцилиндрованного бревна является слабая стойкость древесины к воздействию солнца, дождя, снега. Поддержание внешнего защитно-декоративного покрытия дома из оцилиндрованного бревна потребует заметных усилий. В этом смысле гораздо проще было бы иметь дом, облицованный кирпичом или сайдингом.

Наиболее заметно воздействие солнца и осадков на южных и юго-западных стенах. Появление микротрещин, позволяющих проникать влаге вглубь древесины, приводит к разрушению древесины под покрытием. Дома, покрытые лессирующими (оставляющими видимой структуру дерева) антисептиками, начинают приобретать сероватый оттенок.

Покрытия, образующие защитную пленку на поверхности дерева, начинают отслаиваться.

Еще один недостаток дома из «оцилиндровки» связан с высыханием древесины. Дело в том, что процесс сушки бревен (как, впрочем, и бруса) в сушильных камерах достаточно сложен и длителен по времени: нужно, чтобы влага из середины бревна успевала выйти на поверхность.

Если поверхность будет сохнуть заметно быстрее сердцевины, возникнут трещины, так как сухое дерево имеет меньший объем. Выход из положения известен: нужно сушить доски, а затем склеивать их. Однако в нашей стране «оцилиндровка» из клееной древесины — пока экзотика, обычно ее делают из древесины естественной влажности.

При высыхании такой древесины возможны деформации бревен и появление трещин. При правильной технологии сборки дома деформаций бревен в стене можно избежать Сложнее с трещинами. Правда, чаще всего трещины возникают вдоль желоба бревна, поскольку вдоль него расстояние от сердцевины бревна до его поверхности меньше.

Чтобы повысить вероятность возникновения трещины именно в этом месте, иногда вдоль желоба делают дополнительный пропил. Трещину внутри желоба не видно, в нее не попадет влага. Однако при этом меняется профиль желоба.

>

Если между бревнами проложена пакля, все недостатки уплотнения между бревнами можно устранить при второй конопатке, которую проводят после полной усадки и высыхания дома. Если же Вы использовали популярное в последнее время джутовое или льняное полотно, изменение профиля желоба может привести к заметным потерям тепла между бревнами.

О достоинствах деревянного дома много говорить не имеет смысла — они общеизвестны. Дерево отлично держит тепло. Если сравнивать с кирпичом, деревянная стена, эквивалентная кирпичной с точки зрения удержания тепла, должна быть в 4–5 раз тоньше. Нет ничего лучше деревянного дома в смысле экологии.

И дело не только в том, что деревянные стены «дышат», оптимизируя температурно-влажностный режим внутри дома.

Структура, золотисто-янтарный цвет хорошо обработанной древесины, как бы светящейся изнутри, создают комфортный психологический настрой, вселяют спокойствие и оптимизм, которых так не хватает жителям больших городов.

Плюсы оцилиндрованного бревна. Оцилиндрованное бревно плюсы и минусы

Оцилиндрованное бревно, как строительный материал появился в прошлом веке и получил большую популярность, особенно в России. Главным особенностью является его форма – конусовидное бревно, становится идеально цилиндрическим, тем самым максимально бревна максимально стандартизируются между собой. Оцилиндрованное бревно изготавливается на деревообрабатающем станке, где верхний слой снимается фрезой. На следующим этапе уже режутся чашки и пазы.

Плюсы:

минусы:

Как известно, только что срубленное бревно имеет форму конуса, и разница между вершиной и комлем бревна может достигать до 100 мм. Если бревно в вершине составляет 300 мм, а в комле 380 мм, то при обработке на станке бревно уже выйдет 280 мм. В результате чего годовые кольца прорезаются вдоль, и такой дом будет больше впитывать влаги, что очень отрицательно влияет на сохранность первозданного вида бревна.

Еще одной причиной появление в бревнах трещин является скручивание бревна. Когда дерево растет, оно сталкивается с таким естественным явлением явлением как «роза ветров», в результате чего бревно постепенно скручивается. После обработки , внутренние силы заставляют бревно «раскручиваться» обратно. Остановить данный процесс как раз помогает заболонь, которая снимается при станочной обработке бревна.

Так же станочная технология имеет свои технические ограничения. Сложно встретить бревна крупного диаметра, как правило он не превышает 300 мм в диаметре.

Ручная рубка позволяет сохранить естественные свойства древесины, его форму, природную красоту. В стадии изготовления сруба, внимание обращают на каждое бревно, учитывая его особенности, чего очень трудно добиться при конвейерном производстве. Благодаря сохранению защитного слоя и естественной конусообразной формы бревна, такой дом получится более теплым, надежным и долговечным. Если Вы сторонник ручной рубки, то все плюсы рубленного бревна можно вдвойне сохранить, построив дом из ручной рубки в диком стиле , используя различные виды рубки .

Рубленное бревно или оцилиндрованное. Оцилиндрованное и рубленое бревно: отличия в технологии производства

Строительство загородного дома начинается с выбора материала. Все большее число людей отдают предпочтение бревенчатым домам, поскольку бревна – это очень прочный и надежный материал, к тому же относительно недорогой. Экологическая чистота, хороший воздухообмен, небольшие сроки строительства – очевидные достоинства бревенчатых домов.

Если вы решили построить дом из этого натурального стройматериала, то несомненно возникает вопрос, что лучше – оцилиндрованное или рубленное бревно? Для того чтобы определиться, давайте разберемся с тем, какие существуют преимущества у каждого вида, и в чем их основные различия.

Оцилиндрованное бревно

Данная технология подразумевает специальную обработку бревен на оцилиндровочном станке, вследствие которой диаметр стволов становится одинаковым по всей длине. Кроме этого, со ствола полностью снимается кора. Это делается для того, чтобы придать бревнам более привлекательный и эстетичный внешний вид.

Однако при такой обработке может нарушаться структура древесины. Дерево становится более чувствительным к влиянию неблагоприятных внешних факторов: солнечных лучей, сырости, насекомых. Это не является проблемой, так как существует огромное количество защитных средств и пропиток.

Довольно часто в бревнах делается специальный компенсационный паз, благодаря которому создается дополнительная воздушная прослойка в срубе. Это необходимо для того, чтобы увеличить теплосберегающие характеристики стен.

Итак, цилиндрическое бревно в качестве стройматериала, обладает следующими преимуществами:

• простая и быстрая сборка сруба за счет идентичных бревен;
• экономия средств, поскольку отсутствует необходимость в дополнительной отделке;
• хорошие эксплуатационные характеристики при должном уходе.

Рубленое бревно

В процессе производства рубленного бревна, все работы выполняются вручную. Верхний слой дерева (заболонь) снимается щадящим способом при помощи топора и специальной кирки. В отличие от цилиндрического бревна, такие стволы будут иметь разный диаметр, а их поверхность не будет отличаться идеальной гладкостью.

Однако из этого вытекает следующее преимущество – благодаря нетронутому верхнему слою дерево сохраняет своего рода иммунитет против агрессивных факторов внешней среды.

Сборкой домов из рубленного бревна должны заниматься хорошие мастера, так как недостаточный опыт может стать причиной низкой теплоизоляции стен. Это опять же связано с тем, что стволы имеют разный диаметр.

Подведем итоги касательно того, какие есть преимущества у рубленного бревна:

• большой срок эксплуатации за счет нетронутого внешнего слоя дерева;
• естественный, и в какой-то степени даже самобытный внешний вид.
• иногда строительство дешевле, чем из оцилиндрованного.

Какое бревно лучше?

Стоит отметить, что при строительстве домов, как из оцилиндрованного, так и из рубленого бревна, перед сдачей в эксплуатацию, необходимо выждать время на усадку. Зачастую усадка достигает от 7 до 10% высоты венца. Средний срок усадки – 12 месяцев.

Кто-то может отказаться от идеи возводить сруб из рубленного бревна в пользу оцилиндрованного по той причине, что не желает тратить время и деньги на дополнительную отделку. Однако многие люди, мечтающие о собственном доме, наоборот, отказываются от внешне идеальных домов из гладкого цилиндрического бревна, потому что для них гораздо важнее естественная фактура дерева со своими неровностями и шероховатостями.

Поэтому выбор зависит от личных художественных предпочтений. В тоже время, если вам больше импонируют дома из рубленого бревна, будьте готовы к тому, что придется подождать некоторое время. Ведь такое бревно изготовляется дольше цилиндрического.

Что касается цены, здесь тоже невозможно ответить, что дешевле, а что – дороже. Стоимость оцилиндрованного бревна в среднем выше, чем рубленного. Но работы по сборке сруба из рубленных бревен могут оцениваться дороже ввиду их повышенной сложности. Все зависит от проекта.

Невозможно однозначно ответить на вопрос, какая технология является лучшей, ведь каждая из них имеет свои преимущества. Поэтому только хозяева будущего дома, проанализировав все вышесказанное, смогут выбрать для себя идеальный вариант.

Оцилиндрованное бревно. Что такое оцилиндрованное бревно

Среди отличительных черт оцилиндрованного бревна выделяют одинаковые диаметры и гладкую поверхность без сучков и других изъянов. Это достигается за счет специальной обработки на современных деревообрабатывающих станках. В результате края у бревен получаются ровные, а стволы — одинаковые по форме и радиусу.

Это упрощает кладку материала, а строение делает изящным и элегантным. Универсальные стройматериалы подходят для строительства просторного загородного коттеджа и компактного дачного домика, летней беседки для отдыха и комфортной бани или сауны.

В качестве сырья при изготовлении оцилиндрованного бревна используют лиственницу и хвою. Сосна — самая востребованная порода дерева за счет оптимального соотношения цены и качества. Это прочная и доступная древесина, которую отличает устойчивость к влаге, легкость в обработке и эстетичный внешний вид с оригинальным рисунком.

Компания “МариСруб” заготавливает пиломатериалы в Республиках Марий Эл и Коми, в Кировской области. Эти регионы славятся хорошим крупным и прочным лесом.

Диаметр бревен бывает различным и варьируется в пределах 160-320 мм. Размеры зависят от целей и региона строительства. Так, для беседки или маленького дачного домика подойдут материалы небольших диаметров. Дома для постоянного проживания в средней полосе России строят из бревен диаметром не менее 240 мм, а для северных регионов — свыше 260.

Мастера “МариСруб” помогут подобрать правильный диаметр бревен для будущего дома или бани, рассчитают необходимые объемы и стоимость.

Видео производство оцилиндрованного бревна

Бани из калиброванного бревна от строительной компании Изба.

Сегодня многие компании строят бани по давно заготовленному шаблону, обрабатывая бревна на станках и нарушая их естественную защиту. Мы же стараемся сохранить дерево максимально нетронутым, оставляя его верхний слой (заболонь). Благодаря этому бревна в будущей бане защищены от гниения, трещин и скручивания. И это лишь одно из преимуществ ручной рубки.

Преимущества бань из калиброванного бревна

Помимо этого, в рубленной бане усадка происходит равномерно, нет риска, что только что построенный сруб перекосится и потеряет форму. Вручную мы проводим и окорение бревен. Работы ведутся специальным инструментом — скобелем. В результате чего дерево сохраняет форму конуса и поэтому почти не трескается, в отличие от оцилиндрованных бревен, где диаметр вершины и комля одинаковый. 

Среди других преимуществ — быстрый нагрев и долгое остывание бревенчатой бани. Внутри помещения всегда создаётся комфортный микроклимат и чувствуется тонкий аромат натуральной древесины, полезный для здоровья. Бани ручной рубки априори более тёплые и долговечные по сравнению с газобетонными, кирпичными или брусовыми.

На надежность бань из калиброванного бревна влияет диаметр, порода дерева, технология сборки, а также опыт мастеров. Поэтому мы советуем доверять строительство бревенчатых бань исключительно профессионалам.

Чем калиброванное бревно отличается от других

Калибр бревна и его диаметр это одно и то же. Многие ошибочно полагают, что калиброванное бревно должно быть исключительно оцилиндрованным, но это не так.

В технологии ручной рубки вы также можете выбрать подходящий диаметр бревен для строительства своей бани, но здесь он не ограничен размерами станка и может быть увеличен вплоть до 45 см, а иногда и больше. Как правило, для бревенчатой бани классическим диаметром можно назвать 24-26 см или 26-30 см. Этого достаточно, чтобы сруб долгое время держал жар внутри, но при этом достаточно быстро нагревался. Если вы собираетесь превратить сруб не просто в баню, а в целый гостевой дом с бассейном, столовой, спальнями, то лучше остановиться на диаметре 26-30см. В таком доме комфортно можно жить всю зиму.

Сколько стоит баня из калиброванного бревна под ключ?

На её стоимость в первую очередь влияет количество помещений, площадь, а также диаметр бревна и порода дерева. Мы предоставляем три варианта на выбор: сосна, лиственница или кедр.

• Сосна заготавливается на лучшихделянках Псковской, Вологодской и Архангельской области.
• Кедр и лиственницу везем из Красноярского края, поэтому можем гарантировать качество леса и его бережную транспортировку. На сайте представлены цены на бани из калиброванного бревна с монтажом, без учета кровельных работ и фундамента.

Если хотите получить более точный расчёт, обращайтесь к нашим менеджерам, они рассчитают стоимостьи проконсультируют по всем интересующим Вас вопросам.

принципов калибровки журналов и их применение для определения точности журналов | Journal of Petroleum Technology

Реферат

Точные измерения и регистрация данных каротажа необходимы для эффективной оценки скважины. Данные калибровки, вспомогательные к журналу, при просмотре с учетом процедуры калибровки продемонстрируют степень точности журнала. Описан общий метод калибровки систем каротажа. Описаны варианты общего метода и приведены примеры.Обсуждается использование данных калибровки для подтверждения точности каротажа и приводится практический пример рентабельного контроля точности. В Приложении представлена ​​необходимая подробная информация, необходимая для использования данных калибровки для контроля точности индукционных электрических / гамма-каротажей.

Введение

Усовершенствованные методы каротажа позволили широко использовать каротажные данные для оценки пласта. Благодаря этим достижениям точность измерений бревен приобрела первостепенное значение.неточные каротажные диаграммы приводят к путанице в оценочной картине и теряются преимущества новых методов. Рис. I представляет собой историю болезни, которая иллюстрирует этот момент. R., анализ с помощью первого прогона Индукционный журнал и Соник-лог показали высокую водонасыщенность (Таблица 1). Журнал индукции в последнее время не калибровался, и записи о калибровке отсутствовали. На испытаниях скважина текла чистая нефть на 500 баррелей в сутки. Остальная часть зоны была пробурена, и были записаны журналы с полными и точными наборами калибровочных записей.Различия в проводимости сланца, как правило, подтверждали неправильную калибровку индукционного каротажа при первом прогоне, а не возмущения вторжения, такие как эффект кольцевого пространства. R, анализ со вторым прогоном Индукционный журнал дал ожидаемые значения насыщения. В этом случае продуктивная зона не была пройдена из-за неисправного каротажа, но потребовалось провести дорогостоящее испытание бурильной колонны для подтверждения наличия нефти. Если точность журнала может быть продемонстрирована записями калибровки, которые обычно сопровождают журнал, то данные калибровки могут быть ценным инструментом для нефтяной компании в обеспечении контроля точности.В этой статье обсуждаются теория и методы калибровки каротажа и их применение для повышения точности каротажа. Надеюсь, эта информация поможет персоналу нефтяной компании понять и с пользой использовать данные калибровки.

Теория и методы калибровки

На рис. 2 показана базовая система регистрации. Для калибровки такой системы необходимо соотнести величину напряжения (сигнал самописца) с величиной измеряемого параметра; т.е. удельное сопротивление, проводимость, время акустического пробега и т. д.Общий метод, используемый компаниями, предоставляющими услуги каротажа, состоит в стандартизации отклика записывающего устройства по напряжению, когда чувствительный элемент (зонд) находится в одной или нескольких средах, для которых величина желаемого параметра каротажа точно известна. Такие среды называются «стандартными средами». В качестве иллюстрации предположим, что гипотетическая система сопротивлений должна быть откалибрована в умеренном диапазоне сопротивлений (рис. 3). Можно сначала поместить зонд в стандартную среду с низким удельным сопротивлением, такую ​​как соленая вода, величина которой точно рассчитывается на основе солености и температуры.Регистрирующее устройство настроено на считывание этого удельного сопротивления. Затем зонд помещается в стандартную среду с высоким удельным сопротивлением, такую ​​как пресная вода, и самописец снова настраивается на считывание известного высокого значения. Чередуя стандартные носители и делая соответствующие настройки, можно установить чувствительность и масштаб записывающего устройства.

JPT

P. 817ˆ

1.16. Калибровка вероятности — документация scikit-learn 0.24.2

При выполнении классификации часто требуется не только предсказать класс метка, но также получить вероятность соответствующей метки.Эта вероятность дает вам некоторую уверенность в предсказании. Некоторые модели могут дать вам плохие оценки вероятностей классов, а некоторые даже не поддерживают предсказание вероятности (например, некоторые случаи SGDClassifier ). Модуль калибровки позволяет лучше откалибровать вероятности данной модели, или добавить поддержку вероятности прогноз.

Хорошо откалиброванные классификаторы — это вероятностные классификаторы, для которых выходные данные метода pred_proba можно напрямую интерпретировать как доверительный уровень.Например, хорошо откалиброванный (бинарный) классификатор должен классифицировать образцы. таким образом, что среди образцов, которым он дал значение pred_proba близко к 0,8, примерно 80% действительно относятся к положительному классу.

1.16.1. Калибровочные кривые

На следующем графике сравнивается, насколько хорошо вероятностные предсказания различные классификаторы калибруются с использованием калибровка_кривой . Ось x представляет собой среднюю прогнозируемую вероятность в каждом интервале. В Ось y — часть положительных результатов , т.е.е. доля образцов, чьи class — положительный класс (в каждом бункере).

LogisticRegression по умолчанию возвращает хорошо откалиброванные прогнозы, поскольку он напрямую оптимизирует потерю журнала. Напротив, другие методы возвращают предвзятые вероятности; с разными предубеждениями на метод:

GaussianNB имеет тенденцию подталкивать вероятности к 0 или 1 (обратите внимание на количество в гистограммах). Это главным образом потому, что он делает предположение, что функции условно независимы с учетом класса, который не является case в этом наборе данных, который содержит 2 повторяющиеся функции.

RandomForestClassifier показывает противоположное поведение: гистограммы показывают пики с вероятностью примерно 0,2 и 0,9, в то время как вероятности близкие к 0 или 1 очень редки. Объяснение этому дается Никулеску-Мизил и Каруана: «Такие методы, как упаковка в мешки и случайный выбор леса, в которых усредненные прогнозы базового набора моделей могут иметь трудности с предсказаниями, близкими к 0 и 1, потому что дисперсия лежащие в основе базовые модели будут искажать прогнозы, которые должны быть близки к нулю или единице. от этих ценностей.Поскольку прогнозы ограничены интервалом [0,1], ошибки, вызванные дисперсией, имеют тенденцию быть односторонними около нуля и единицы. Для Например, если модель должна прогнозировать p = 0 для случая, единственный способ Этого можно добиться, если все деревья в мешках предсказывают ноль. Если мы добавим шум в деревья, по которым происходит усреднение мешков, этот шум приведет к тому, что некоторые деревья будут прогнозировать значения больше 0 для этого случая, таким образом перемещая среднее значение предсказание ансамбля мешков от 0. Мы наблюдаем этот эффект больше всего сильно со случайными лесами, потому что деревья базового уровня обучены с случайные леса имеют относительно высокую дисперсию из-за подмножества признаков.» В виде В результате калибровочная кривая также называется диаграммой надежности. (Wilks 1995) показывает характерную сигмовидную форму, указывающую на то, что классификатор мог больше доверять своей «интуиции» и возвращать вероятности ближе до 0 или 1 обычно.

( LinearSVC ) показывает еще больше сигмовидной кривой, чем RandomForestClassifier , который типично для методов максимальной маржи (сравните Никулеску-Мизил и Каруана), которые ориентированы на трудно классифицируемые образцы, близкие к решению граница (опорные векторы).

1.16.2. Калибровка классификатора

Калибровка классификатора состоит из установки регрессора (называемого калибратор ), который отображает выходные данные классификатора (как указано решение_функция или прогноз_проба) до откалиброванной вероятности в [0, 1]. Обозначая результат работы классификатора для данного образца как \ (f_i \), калибратор пытается предсказать \ (p (y_i = 1 | f_i) \).

Образцы, которые используются для калибровки калибратора, не должны быть одинаковыми. образцы, используемые для соответствия классификатору, так как это внесет систематическую ошибку.Это связано с тем, что производительность классификатора по его обучающим данным будет лучше, чем для новых данных. Использование вывода классификатора обучающих данных подгонка калибратора, таким образом, приведет к смещению калибратора, который сопоставляется с вероятности ближе к 0 и 1, чем следовало бы.

1.16.3. Использование

Класс CalibratedClassifierCV используется для калибровки классификатора.

CalibratedClassifierCV использует подход перекрестной проверки для обеспечения объективные данные всегда используются для соответствия калибратору.Данные разбиты на k (train_set, test_set) пары (согласно cv ). Когда ансамбль = True (по умолчанию) следующая процедура повторяется независимо для каждого разделение с перекрестной проверкой: клон base_estimator сначала обучается на подмножество поездов. Затем его прогнозы на тестовом подмножестве используются для соответствия калибратор (сигмовидный или изотонический регрессор). Это приводит к ансамбль пар k (классификатор, калибратор) , где каждый калибратор отображает вывод соответствующего классификатора в [0, 1].Каждая пара разоблачена в атрибуте calibrated_classifiers_ , где каждая запись является откалиброванным классификатор с методом pred_proba, который выводит откалиброванные вероятности. Вывод pred_proba для основного CalibratedClassifierCV соответствует среднему значению прогнозируемые вероятности оценок k в calibrated_classifiers_ список. Результат прогнозирования — это класс с наивысшим вероятность.

Когда ансамбль = False , перекрестная проверка используется для получения «несмещенной» прогнозы для всех данных через Кросс_вал_предикт .Эти непредвзятые прогнозы затем используются для обучения калибратора. Атрибут calibrated_classifiers_ состоит только из одного (классификатор, калибратор) пара, где классификатор — это base_estimator , обученный на всех данных. В этом случае вывод pred_proba для CalibratedClassifierCV — полученные предсказанные вероятности от одиночной пары (классификатор, калибратор) .

Основным преимуществом ансамбля = True является использование традиционных эффект ансамбля (аналогичен метаоценке Bagging).Получившийся ансамбль должен оба должны быть хорошо откалиброваны и немного более точными, чем с ансамблем = False . Основное преимущество использования ensemble = False — вычислительное: оно уменьшает общее время подгонки за счет обучения только одного базового классификатора и калибратора пара, уменьшает окончательный размер модели и увеличивает скорость прогнозирования.

В качестве альтернативы уже установленный классификатор можно откалибровать, установив cv = "prefit" . В этом случае данные не разделяются, и все они используются для подходят регрессору.Пользователь должен убедитесь, что данные, используемые для подбора классификатора, не пересекаются с данные, используемые для подбора регрессора.

sklearn.metrics.brier_score_loss может использоваться для оценки того, как ну откалиброван классификатор. Однако этот показатель следует использовать с осторожностью. потому что более низкий показатель Бриера не всегда означает лучшую откалиброванную модель. Это связано с тем, что показатель Бриера представляет собой комбинацию потери калибровки. и утрата доработки. Потеря калибровки определяется как среднеквадратичное отклонение. из эмпирических вероятностей, полученных из наклона сегментов ROC.Потери при переработке можно определить как ожидаемые оптимальные потери, измеренные площадь под кривой оптимальной стоимости. Поскольку потеря качества может измениться независимо от потери калибровки более низкий балл Бриера не обязательно означают лучше откалиброванную модель.

CalibratedClassifierCV поддерживает использование двух «калибровок». регрессоры: «сигмовидная» и «изотоническая».

1.16.3.1. Сигмовидная

Сигмовидный регрессор основан на логистической модели Платта:

\ [p (y_i = 1 | f_i) = \ frac {1} {1 + \ exp (A f_i + B)} \]

, где \ (y_i \) — истинная метка образца \ (i \) и \ (f_i \) — результат некалиброванного классификатора для образца \ (i \).\ (А \) и \ (B \) — действительные числа, которые необходимо определить при подборе регрессора через максимальная вероятность.

Сигмовидный метод предполагает калибровочную кривую. можно исправить, применив сигмовидную функцию к необработанным предсказаниям. Этот предположение было эмпирически обосновано в случае машин опорных векторов с общие функции ядра для различных наборов данных тестов в разделе 2. 2 \]

при условии соблюдения \ (\ hat {f} _i> = \ hat {f} _j \) всякий раз, когда \ (f_i> = f_j \).\ (y_i \) истинное метка образца \ (i \) и \ (\ hat {f} _i \) является выходом калиброванный классификатор для образца \ (i \) (т.е. калиброванная вероятность). Этот метод является более общим по сравнению с «сигмовидной кишкой» как единственное ограничение. состоит в том, что функция отображения монотонно возрастает. Таким образом, это больше мощный, поскольку он может исправить любое монотонное искажение некалиброванной модели. Однако он более подвержен переобучению, особенно для небольших наборов данных.

В целом, «изотонический» будет работать так же или лучше, чем «сигмовидный», когда имеется достаточно данных (более ~ 1000 выборок), чтобы избежать переобучения.

1.16.3.3. Поддержка Multiclass

Только изотонический и сигмовидный регрессоры поддерживают одномерные данные (например, вывод двоичной классификации), но расширен для мультиклассовой классификации, если base_estimator поддерживает мультиклассовые предсказания. Для мультиклассовых прогнозов CalibratedClassifierCV калибрует для каждый класс отдельно в стиле OneVsRestClassifier. Когда предсказание вероятности, калиброванные вероятности для каждого класса прогнозируются отдельно.Поскольку эти вероятности не обязательно в сумме во-первых, выполняется постобработка для их нормализации.

Почему логистическая регрессия хорошо откалибрована и как испортить ее калибровку?

Хотя этот вопрос и его первый ответ, кажется, сосредоточены на теоретических вопросах калибровки модели логистической регрессии, выпуск:

Как можно испортить калибровку логистической регрессии …?

заслуживает некоторого внимания в отношении реальных приложений для будущих читателей этой страницы.Мы не должны забывать, что модель логистической регрессии должна быть хорошо определена, и что этот вопрос может быть особенно проблематичным для логистической регрессии.

Во-первых, если логарифмические шансы принадлежности к классу не связаны линейно с предикторами, включенными в модель, то она не будет хорошо откалибрована. В главе 10 Харрелла, посвященной двоичной логистической регрессии, около 20 страниц отводится «оценке соответствия модели», чтобы на практике можно было воспользоваться «асимптотической несмещенностью оценки максимального правдоподобия», как выразился @whuber.

Во-вторых, спецификация модели представляет собой особую проблему в логистической регрессии, поскольку ей присуща систематическая ошибка пропущенных переменных, которая может удивить тех, кто имеет опыт работы с обычной линейной регрессией. Как написано на этой странице:

Пропущенные переменные будут влиять на коэффициенты включенных переменных, даже если пропущенные переменные не коррелированы с включенными переменными.

На этой странице также есть полезное объяснение того, почему такого поведения следует ожидать, с теоретическим объяснением связанных, аналитически поддающихся анализу пробит-моделей.Поэтому, если вы не знаете, что включили все предикторы, связанные с членством в классе, на практике вы можете столкнуться с опасностями неправильной спецификации и плохой калибровки.

Что касается спецификации модели, вполне возможно, что древовидные методы, такие как случайный лес, которые не предполагают линейность по всему диапазону значений предикторов и по своей сути обеспечивают возможность поиска и включения взаимодействий между предикторами, в конечном итоге будут лучше -калиброванная модель на практике, чем модель логистической регрессии, которая недостаточно учитывает условия взаимодействия или нелинейность.{(i)} $$

Очевидно, что логистическая регрессия хорошо откалибрована.

Ссылка: Логлинейные модели и условные случайные поля Чарльза Элкана

машинное обучение — когда следует откалибровать вероятность предсказания классификатора?

На веб-сайте scikit-learn у них есть очень хорошая картинка, показывающая необходимость калибровки [некоторых] классификаторов для исправления смещения в предсказанных вероятностях:

И у них есть очень хорошее объяснение того, почему нужно откалибровать деревья с мешками и усиленными деревьями (у них есть объяснение и для других классификаторов):

Такие методы, как упаковка в мешки и случайные леса, которые усредняют прогнозы из базового набора моделей, могут иметь трудности с получением прогнозов, близких к 0 и 1, потому что дисперсия в базовых базовых моделях будет смещать прогнозы, которые должны быть близки к нулю или отклоняться от этих значений.Поскольку прогнозы ограничены интервалом [0,1], ошибки, вызванные дисперсией, имеют тенденцию быть односторонними около нуля и единицы. Например, если модель должна предсказывать p = 0 для случая, единственный способ добиться этого с помощью бэггинга — это если все упакованные деревья предсказывают ноль. Если мы добавим шум к деревьям, по которым происходит усреднение мешков, этот шум заставит некоторые деревья предсказывать значения больше 0 для этого случая, таким образом сдвигая среднее предсказание ансамбля с мешками от 0. Мы наблюдаем этот эффект наиболее сильно со случайным леса, потому что деревья базового уровня, обученные со случайными лесами, имеют относительно высокую дисперсию из-за подмножества признаков

Было бы интересно увидеть цитату из источника, на который они ссылаются:

Другие модели, такие как нейронные сети и деревья в мешках, не имеют этих смещений и предсказывают хорошо откалиброванные вероятности

, в котором говорится, что деревья в мешках «хорошо откалиброваны».

Прежде всего, я сомневаюсь, что усреднение прогнозов около 0 или 1 работает так, как показано выше в первой цитате. Насколько мне известно, двоичный радиочастотный классификатор подсчитывает количество ячеек 0/1, в которых точка данных заканчивается по всему лесу, а не односторонние вероятности. Итак, если у нас есть определенный датапонт, прошедший через ансамбль из 100 деревьев решений, и эта точка данных попадает в корзину № 1 99 раз, тогда вероятность 1 равна 0,99. Опять же, никаких проблем с односторонностью.

Тем не менее, калибровка различных классификаторов оказывает значительное, иногда немонотонное влияние на логопотери:

  Образцы модели LogLoss Before LogLoss After Gain
0 1000 Логистика 0.3941 0,3854 1,0226
0 10000 Логистика 0,1340 0,1345 0,9959
0 100000 Логистика 0,1645 0,1645 0,9999
0 1000 Наивный Байес 0,3025 0,2291 1,3206
0 10000 Наивный Байес 0,4094 0,3055 1,3403
0 100000 Наивный Байес 0,4119 0,2594 1,5881
0 1000 Случайный лес 0,4438 0,3137 1,4146
0 10000 Случайный лес 0,3450 0,2776 1,2427
0 100000 Случайный лес 0.3104 0,1642 1,8902
0 1000 Light GBM 0,2993 0,2219 1,3490
0 10000 Light GBM 0,2074 0,2182 0,9507
0 100000 Light GBM 0,2397 0,2534 0,9459
0 1000 Xgboost 0,1870 0,1638 1,1414
0 10000 Xgboost 0,3072 0,2967 1,0351
0 100000 Xgboost 0,1136 0,1186 0,9575
0 1000 Catboost 0,1834 0,1901 0,9649
0 10000 Catboost 0.1251 0,1377 0,9085
0 100000 Catboost 0,1600 0,1727 0,9264
  

Вопрос

Я был бы признателен, если бы кто-нибудь поделился своим мнением, при каких условиях определенный классификатор будет давать [беспристрастные] оценки вероятности и как проверить, действительно ли предсказания вероятности объективны.

Воспроизводимый код таблицы и графика:

  из sklearn.datasets import make_classification
из sklearn.metrics импортировать log_loss
из склеарна.naive_bayes импортировать GaussianNB
из sklearn.linear_model import LogisticRegression
из sklearn.ensemble импортировать RandomForestClassifier
из sklearn.svm импортировать SVC
из sklearn.calibration import Calibrated_curve, CalibratedClassifierCV
из xgboost импортировать XGBClassifier
из lightgbm импорт LGBMClassifier
из catboost import CatBoostClassifier

np.random.seed (42)

# Создать классификаторы
lrc = Логистическая регрессия (n_jobs = -1)
gnb = GaussianNB ()
svc = SVC (C = 1.0, вероятность = True,)
rfc = RandomForestClassifier (n_estimators = 300, max_depth = 3, n_jobs = -1)
xgb = XGBClassifier (
    n_estimators = 300,
    max_depth = 3,
    objective = "двоичный: логистика",
    eval_metric = "logloss",
    use_label_encoder = Ложь,
)
lgb = LGBMClassifier (n_estimators = 300, objective = "binary", max_depth = 3)
cat = CatBoostClassifier (n_estimators = 300, max_depth = 3, objective = "Logloss", verbose = 0)

df = pd.DataFrame ()

plt.figure (figsize = (10, 10))
ax1 = plt.subplot2grid ((3, 1), (0, 0), rowspan = 2)
ax2 = plt.subplot2grid ((3, 1), (2, 0))
ax1.plot ([0, 1], [0, 1], "k:", label = "Идеально откалиброван")

для clf имя в [
    (lrc, «Логистика»),
    (гнб, "Наивный байесовский"),
# (svc, «Классификация опорных векторов»),
    (RFC, "Случайный лес"),
    (lgb, "Light GBM"),
    (xgb, "Xgboost"),
    (кот, "Catboost"),
]:
    печать (имя)
    для nsamples в [1000,10000,100000]:
        train_samples = 0,75
        X, y = make_classification (
            n_samples = nsamples, n_features = 20, n_informative = 2, n_redundant = 2
        )
        я = int (train_samples * nsamples)
        X_train = X [: i]
        X_test = X [i:]
        y_train = y [: i]
        y_test = y [i:]
        clf.подходят (X_train, y_train)
        prob_pos = clf.predict_proba (X_test) [:, 1]
        фракция_позитивов, среднее_предсказанное_значение = кривая_калибровки (
            y_test, prob_pos, n_bins = 10
        )

        если nsamples в [10000]:
            ax1.plot (
                mean_predicted_value,
                фракция_позитивов,
                "s-",
                label = "% s"% (name + "nsamples" + str (nsamples),),
            )

            ax2.hist (
                prob_pos,
                бункеры = 10,
                label = "% s"% (name + "nsamples" + str (nsamples),),
                histtype = "шаг",
                lw = 2,
            )

        предс = clf.pred_proba (X_test)
        ll_before = log_loss (y_test, preds)
        предс = (
            CalibratedClassifierCV (clf, cv = 5)
            .fit (X_train, y_train)
            .predict_proba (X_test)
        )
        ll_after = log_loss (y_test, preds)
        df = df.append (pd.DataFrame ({
            "Образцы": [nsamples],
            "Название модели,
            «LogLoss Before»: раунд (ll_before, 4),
            «LogLoss After»: раунд (ll_after, 4),
            «Прирост»: раунд (ll_before / ll_after, 4)
        }))

ax1.set_ylabel ("Доля положительных результатов")
ax1.set_ylim ([- 0,05, 1,05])
ax1.legend (loc = "нижний правый")
ax1.set_title («Градуировочные графики (кривая надежности)»)

ax2.set_xlabel («Среднее прогнозируемое значение»)
ax2.set_ylabel ("Счетчик")
ax2.legend (loc = "верхний центр", ncol = 2)

plt.tight_layout ()
печать (df)
  

Заявление об ограничении ответственности. Я понимаю, что LogisticRegression — это регрессия.

% PDF-1.6 % 1 0 объект > / ProcSet [/ PDF / Text / ImageB] / Font >>> / MediaBox [0 0 612.0 792.0] / Повернуть 0 >> эндобдж 3 0 obj > поток q 612 0 0 792 0 0 см / Im0 Do Q q 0,145 г 399,36 0 0576 76,8 153,6 см / Im1 Do Q q 0,522 г 24,96 0 0 24 88,32 706,56 см / Im2 Do Q q 0,188 г 491,52 0 0 19,2 97,92 552 см / Im3 Do Q BT / Подозреваемый> BDC 0,176 г / T1_0 1 Тс 0,0077 Tc 3 ​​Tr 13,4998 -0,0525 0,0527 13,4998 263,5316 718,9652 Tm (ПОЛЕ) Tj ЭМС ET BT / T1_0 1 Тс 0,0244 Tc 13,4998 -0,0525 0,0527 13,4998 307,9324 718,7925 Tm (ПАРАМЕТР) Tj ET BT / Подозреваемый> BDC / T1_0 1 Тс 0,009 Tc 13,4998 -0,0525 0.0527 13,4998 400,8111 718,4313 тм (ФОРМА) Tj ЭМС / Подозреваемый> BDC 0,0247 Tc 7,1999 -0,028 0,0281 7,1999 79,8894 692,7998 Tm (ARCADIS) Tj ЭМС / Подозреваемый> BDC / T1_1 1 Тс 0,0197 Tc 8,2999 -0,0323 0,0324 8,2999 286,1853 676,4071 Tm (Хорошо) Tj ЭМС / Подозреваемый> BDC 0,0109 Тс 2,434 0 Тд (Идентификация) Tj ЭМС ET BT / T1_1 1 Тс 0,01 Tc 8,2999 -0,0323 0,0324 8,2999 357,5561 676,1294 Tm (Число:) Tj 0,0197 Тс -33,47 -2,747 Тд (Работа) Tj 0,0112 Тс 2,039 0 Тд (Имя / Номер:) Tj 0,349 г 0 Тс 10,407 0,231 Тд (_) Tj 0.447 г 0,05 Tc 19,9408 -0,0776 0,0324 8,2999 194,5552 655,8836 Tm (__________) Tj 0,349 г 21,0457 -0,0819 0,0324 8,2999 314,5533 655,4167 Тм (_____) Tj 0,176 г 0,0033 Tc 8,2999 -0,0323 0,0324 8,2999 379,3024 655,1647 Tm (Дата) Tj 0,447 г 0 Tc 2.223 0 Td (:) Tj 0,176 г 0,0439 Тс -38,348 -2,43 Тд (Вода) Tj ET BT / Подозреваемый> BDC / T1_1 1 Тс 0,0035 Tc 8,2999 -0,0323 0,0324 8,2999 105,8831 636,0597 Tm (Уровень) Tj ЭМС / Подозреваемый> BDC 0,022 Тс 2,78 0 Тд (\ (ТОС \)) Tj 0,604 г 0 Тс 2.941 0 Тд (:) Tj ЭМС ET BT 0.447 г / T1_1 1 Тс 0,05 Tc 19,8408 -0,0772 0,0324 8,2999 183,2041 637,6878 Tm (_____) Tj 0,349 г 20,0345 -0,078 0,0324 8,2999 242,4832 637,4571 Тм (______) Tj 0,447 г 21,0457 -0,0819 0,0324 8,2999 314,4821 637,177 тм (_____) Tj ET BT / Подозреваемый> BDC 0,176 г / T1_1 1 Тс 0,0119 Tc 8,2999 -0,0323 0,0324 8,2999 378,8911 636,9263 Tm (Всего) Tj ЭМС ET BT / T1_1 1 Тс 0,0031 Tc 8,2999 -0,0323 0,0324 8,2999 401,0684 636,84 Tm (Глубина 🙂 Tj ET BT / Подозреваемый> BDC / T1_1 1 Тс 0,0036 Tc 8,2999 -0,0323 0,0324 8,2999 79.694 616,2367 тм (OVM) Tj ЭМС ET BT / T1_1 1 Тс 0,0024 Tc 8,2999 -0,0323 0,0324 8,2999 101,946 616,1501 Tm (Читает 🙂 Tj 0,529 г 0,05 Tc 19,8295 -0,0772 0,0324 8,2999 183,1244 617,2781 Tm (_______) Tj 0,349 г 0 Tc 8,2999 -0,0323 0,0324 8,2999 266,3431 616,9543 Tm (_) Tj 0,447 г 1.446 0 тд (_) Tj 0,349 г 0,05 Tc 20,2729 -0,0789 0,0324 8,2999 290,4027 616,8607 Tm (___) Tj 0,176 г 20,517 -0,0798 0,0324 8,2999 326,4022 616,7206 тм (__) Tj 0,29 г 0 Tc 8,2999 -0,0323 0,0324 8,2999 350,3418 616,6274 Tm (_) Tj 0.447 г 1.446 0 тд (_) Tj 0,176 г 2.007 0 тд (3) Tj ET BT / Подозреваемый> BDC / T1_1 1 Тс 0,0293 Tc 8,2999 -0,0323 0,0324 8,2999 386,0314 616,4885 Tm (Хорошо) Tj ЭМС / Подозреваемый> BDC 0,0085 Тс 2,402 0 Тд (Объемы:) Tj ЭМС / Подозреваемый> BDC 0,015 Тс -39,308 -2,601 Тд (Начало) Tj ЭМС ET BT / T1_1 1 Тс 0,0005 Tc 8,2999 -0,0323 0,0324 8,2999 100,0902 596,0129 Tm (Время 🙂 Tj 0,349 г 0,05 Tc 19,901 -0,0774 0,0324 8,2999 182.8057 597,1293 Tm (______) Tj 0,447 г 19,9563 -0,0777 0,0324 8,2999 254,3246 596,851 тм (_________) Tj 0.349 г 0 Tc 8,2999 -0,0323 0,0324 8,2999 362,2629 596,431 Tm (_) Tj ET BT / Подозреваемый> BDC 0,176 г / T1_1 1 Тс 0,0119 Tc 8,2999 -0,0323 0,0324 8,2999 378,7299 596,3669 Tm (Всего) Tj ЭМС / Подозреваемый> BDC 0,0175 Тс 2,636 0 Тд (Объемы) Tj ЭМС ET BT / T1_1 1 Тс -0,0025 Tc 8,2999 -0,0323 0,0324 8,2999 437,1446 596,1396 Tm (Удалено 🙂 Tj 0,0439 Тс -34,911 -2,689 Тд (Вода) Tj ET BT / Подозреваемый> BDC / T1_1 1 Тс -0,0038 Tc 8,2999 -0,0323 0,0324 8,2999 150,7122 564,6186 Tm (Уровень) Tj ЭМС ET BT / T1_1 1 Тс 0.0395 Tc 8,2999 -0,0323 0,0324 8,2999 195,0004 564,4462 Tm (Температура) Tj ET BT / Подозреваемый> BDC / T1_1 1 Тс 0,0212 Tc 8,2999 -0,0323 0,0324 8,2999 237,1805 564,2821 Tm (Spc) Tj 0,29 г 0 Тс 1.837 0 Тд (.) Tj ЭМС ET BT 0,176 г / T1_1 1 Тс 0,0027 Tc 8,2999 -0,0323 0,0324 8,2999 257,0837 564,2046 Tm (Cond) Tj 0,604 г 0 Тс 2,504 0 Тд (.) Tj ET BT / Подозреваемый> BDC 0,176 г / T1_1 1 Тс 0,0067 Tc 8,2999 -0,0323 0,0324 8,2999 318,7777 564,1969 Tm (Соленость) Tj ЭМС / Подозреваемый> BDC -0,035 Tc 8,2529 -0,0321 0,0324 8.2999 391,4259 563,9076 тм (DO) Tj ЭМС / Подозреваемый> BDC 8,0845 -0,0315 0,0324 8,2999 448,315 563,6862 тм (DO) Tj ЭМС ET BT / T1_1 1 Тс 7,9263 -0,0308 0,0324 8,2999 507,3851 563,6964 тм (pH) Tj ET BT / Подозреваемый> BDC / T1_1 1 Тс -0,0066 Tc 8,2999 -0,0323 0,0324 8,2999 539,2655 563,8123 Tm (РЕДОКС) Tj 0,29 г 0 Тс 3.608 0 Тд (/) Tj 0,176 г 0,0013 Тс 0,304 0 Тд (ORP) Tj ЭМС ET BT / T1_1 1 Тс 0,0255 Tc 8,2999 -0,0323 0,0324 8,2999 98,245 553,5267 Tm (Время) Tj 0,05 Tc 7,7669 -0,0302 0,0293 7,5 145,6756 553.5938 тм (\ (ft) Tj 0,0217 Tc 8,2999 -0,0323 0,0324 8,2999 155,8154 553,5544 Tm (gmp \)) Tj 0,29 г -0,035 Tc 6,6917 -0,026 0,0324 8,2999 199,9404 554,8227 Tm (\ (o) Tj 0,176 г 0 Tc 8,2999 -0,0323 0,0324 8,2999 206,3403 554,7978 Tm (F) Tj 0,29 г 0,584 0 тд (\)) Tj ET BT / Подозреваемый> BDC / T1_1 1 Тс 8,2999 -0,0323 0,0324 8,2999 235,6572 552,9905 мкм (\ () Tj 0,176 г -0,035 Tc 8,2546 -0,0321 0,0324 8,2999 238,4632 552,9828 Tm (I.Jmhos / см) Tj 0,29 г 0 Tc 8,2999 -0,0323 0,0324 8,2999 278,6226 552,8265 Tm (\)) Tj ЭМС ET BT 0.176 г / T1_1 1 Тс -0,0005 Tc 8,2999 -0,0323 0,0324 8,2999 323,504 553,6229 Tm (\ (ppt \)) Tj 0 Tc 7,6999 -0,03 0,0301 7,6999 390,9628 552,8794 Tm (\ () Tj 0,29 г 0,05 Tc 7,7672 -0,0302 0,0301 7,6999 393,8427 552,8682 Tm (% \)) Tj 0,176 г 0,023 Tc 8,2999 -0,0323 0,0324 8,2999 442,062 552,6805 Tm (\ (ma / Ll) Tj -0,035 Tc 7,8033 -0,0304 0,0324 8,2999 503,032 552,6833 Tm (\ (s) Tj 0,604 г 0 Tc 8,2999 -0,0323 0,0324 8,2999 509,9119 552,6565 Tm (.) Tj 0,176 г 0,327 0 тд (u) Tj 0,604 г 0,512 0 Тд (.) Tj 0,176 г 0,298 0 тд (\)) Tj -0.0109 Тс 4,395 0,029 Тд (\ (mv \)) Tj 0,0179 Тс -57,452 -45,63 Тд (Наблюдения / Комментарии 🙂 Tj 0,0107 Тс -0,01 -2,458 Тд (Черный) Tj ET BT / Подозреваемый> BDC / T1_1 1 Тс -0,0162 Tc 8,2999 -0,0323 0,0324 8,2999 109,7106 155,323 Tm (Утюг 🙂 Tj ЭМС / Подозреваемый> BDC -0,0009 Tc 21,354 -0,057 Td (Сульфид 🙂 Tj ЭМС ET конечный поток эндобдж 7 0 объект > поток x \ SW7k] ښ ZlU ꂴ ܱ SHf ܑ * ZWpZk «» DJ i «, F vB {nж {g ~ _’CN == |> G} ΋sp = 5s

Калибровка каротажных диаграмм — h3 Laboratories Ltd.

включает сравнение данных скважинного ЯМР-каротажа с данными ЯМР, собранными в лаборатории, для хорошо охарактеризованных пробок керна, взятых из той же скважины.Калибровка «грязных» скважинных данных с «чистыми» лабораторными данными позволяет более точно интерпретировать каротажные диаграммы.

Изменчивость определенных факторов в естественной среде может привести к ошибкам в интерпретации данных каротажа, собранных в процессе разведки. В лаборатории большинство из этих дополнительных факторов можно исключить или, по крайней мере, контролировать, проводя измерения на полностью насыщенных образцах керна и на образцах, которые находятся при неснижаемой водонасыщенности.Эти измерения помогают различать эффекты жидкости и размера пор.

Какие коэффициенты можно калибровать

Два измерения каротажа ЯМР, наиболее часто калибруемые с использованием керновых пробок, — это граница отсечки T ₂ , разделяющая связанную и свободную флюиды, и коэффициенты моделирования проницаемости.

Так называемый «отсечка T ₂ » в распределении T ₂ — это значение T ₂ , которое разделяет маленькие поры, которые вряд ли могут быть образованы, от более крупных пор, которые могут содержать свободную жидкость. .Интеграл распределения выше граничной точки T ₂ является мерой свободной жидкости (подвижной жидкости) в породе и явно зависит от положения точки отсечки T ₂ , как показано на рисунок ниже. Участок кривой ниже порогового значения известен как связанная жидкость и состоит из жидкости, связанной глиной, и жидкости, связанной с капиллярами.

Точное определение точки отсечки T ₂ необходимо для точного определения извлекаемых запасов (подвижной жидкости).Отсечка T ₂ может быть легко определена в лаборатории с помощью двух измерений ЯМР; один на очищенной и повторно пропитанной пробке, другой на той же пробке после центрифугирования до неснижаемого водонасыщения. T ₂ распределения построены для обоих наборов данных вместе с кумулятивными значениями распределений. Пороговое значение T ₂ принимается как точка, в которой совокупное значение насыщенного распределения равно окончательному совокупному значению неприводимого распределения, как показано справа.

Это измерение должно быть выполнено на пробках керна, взятых из различных зон в скважине, с полученными значениями отсечки T ₂ , примененными ретроспективно к данным каротажа с каждой глубины. Это приведет к более точному прогнозированию индекса связанного объема (BVI) и индекса свободной жидкости (FFI), чем те, которые были получены путем применения единственного значения по умолчанию порогового значения T ₂ ко всему каротажу.

Пример слева иллюстрирует, как оценки запасов могут быть сильно занижены, если стандартное пороговое значение используется без лабораторной калибровки каротажа скважины.Образцы, использованные в этом исследовании, были взяты из плотного песчаника.

В этом конкретном примере лабораторные измерения исправляют стандартную оценку порогового значения индекса свободной жидкости в среднем на 260%. Это означает, что из этого запаса может быть добыто в 2,6 раза больше нефти, чем можно было бы оценить, если бы калибровка каротажа не была завершена.

Проницаемость

Проницаемость может быть рассчитана на основе данных распределения T ₂ с использованием одной из двух общепринятых математических моделей: модель свободной жидкости или модель Коутса может применяться в пластах, содержащих воду и / или углеводороды, в то время как среднее значение T ₂ или Schlumberger Модель может быть применена к поровым системам, содержащим только воду и газ.В любом случае измерения образцов керна необходимы для уточнения этих моделей путем определения правильных значений коэффициентов и создания модели, адаптированной для местного использования. Настройка этих моделей выполняется путем вставки значений логарифмического среднего T ₂ , FFI и BVI, полученных из измерений ЯМР пробки керна, а затем изменения коэффициентов до получения наилучшего линейного соответствия измерениям проницаемости, определенным другими методами.

Для получения дополнительной информации загрузите приложение Примечание:

Калибровка журнала ЯМР на основе лабораторных измерений керна