Tecniche per l'analisi di dati mineralogici = Techniques for mineralogical data analysis

Tecniche per l'analisi di dati mineralogici. Studio di alcuni dati mineralogici, generati dall'osservazione di alcune rocce. In particolare, a partire da questi dati, si vuole capire se la struttura della roccia che si sta studiando può dare alcune informazioni utili sullo stato e sulla "bontà" del pozzo dal quale si deve estrarre petrolio. Quindi lo scopo dovrebbe esser quello di comprendere se effettivamente dalla struttura della roccia e dalle sue analogie si può riuscire a capire la qualità di un pozzo dal quale si deve iniziare l'estrazione. A tal proposito, la tesi svolta ha come obiettivo la realizzazione di un algoritmo di clustering applicato sui dati mineralogici, che permetta di identificare alcune somiglianze tra i vari pori delle rocce così da evidenziare le caratteristiche dello strato di roccia. In generale, il clustering può essere considerato uno dei più importanti problemi per quanto riguarda l'unsupervised learning, nel quale non si conoscono a priori i dati o come essi siano classificati, e ci permette di raggruppare i dati in gruppi di elementi aventi caratteristiche comuni. Si è visto durante lo studio di questi dati che i classici algoritmi di clustering (K-means, Hierarchical clustering) non riescono a convergere in tempi brevissimi, vista l'enorme mole di dati che si deve trattare. Per questo motivo si è cercato di individuare un algoritmo di clustering distribuito che scali meglio e che riesca a produrre dei risultati in tempi più brevi.