Stepped machine learning for the development of mineral models: Concepts and applications in the pre-salt reservoir carbonate rocks (2021)
- Authors:
- USP affiliated authors: ULSEN, CARINA - EP ; CARNEIRO, CLEYTON DE CARVALHO - EP ; OLIVEIRA, LUCAS ABREU BLANES DE - EP ; CUSTODIO, LUIZ FELIPE NIEDERMAIER - EP ; FAGUNDES, THAIS BORTOTTI - EP
- Unidade: EP
- DOI: 10.1016/j.egyai.2021.100050
- Subjects: GEOQUÍMICA; CONCENTRAÇÃO DE MINERAIS; MINERALOGIA; PRÉ-SAL
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Energy and AI
- ISSN: 2666-5468
- Volume/Número/Paginação/Ano: v.3, p. 1-13, Mar. 2021. Article 100050
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-nd
-
ABNT
OLIVEIRA, Lucas Abreu Blanes de et al. Stepped machine learning for the development of mineral models: Concepts and applications in the pre-salt reservoir carbonate rocks. Energy and AI, v. 3, p. 1-13, 2021Tradução . . Disponível em: https://doi.org/10.1016/j.egyai.2021.100050. Acesso em: 19 nov. 2024. -
APA
Oliveira, L. A. B. de, Custódio, L. F. N., Fagundes, T. B., Ulsen, C., & Carneiro, C. de C. (2021). Stepped machine learning for the development of mineral models: Concepts and applications in the pre-salt reservoir carbonate rocks. Energy and AI, 3, 1-13. doi:10.1016/j.egyai.2021.100050 -
NLM
Oliveira LAB de, Custódio LFN, Fagundes TB, Ulsen C, Carneiro C de C. Stepped machine learning for the development of mineral models: Concepts and applications in the pre-salt reservoir carbonate rocks [Internet]. Energy and AI. 2021 ;3 1-13.[citado 2024 nov. 19 ] Available from: https://doi.org/10.1016/j.egyai.2021.100050 -
Vancouver
Oliveira LAB de, Custódio LFN, Fagundes TB, Ulsen C, Carneiro C de C. Stepped machine learning for the development of mineral models: Concepts and applications in the pre-salt reservoir carbonate rocks [Internet]. Energy and AI. 2021 ;3 1-13.[citado 2024 nov. 19 ] Available from: https://doi.org/10.1016/j.egyai.2021.100050 - Industry 4.0 and the future of reservoir exploration and characterization
- Ciência de dados e inteligência artificial na engenharia de reservatórios de petróleo
- Geração de perfis sintéticos em reservatórios carbonáticos a partir de algoritmos de aprendizagem de máquinas
- Global enhanced oil recovery assessment: A comprehensive data-driven analysis using self-organizing maps
- Synthetic geochemical well logs generation using ensemble machine learning techniques for the Brazilian pre-salt reservoirs
- Hybrid mineral model integrating probabilistic and machine learning approaches for the Brazilian pre-salt carbonate reservoirs
- Classificação e interpretação da coluna geológica de poços de petróleo via Self- Organizing Maps (SOM)
- Caracterização de cascalhos de perfuração de poços de petróleo por técnicas analíticas instrumentais
- Petrobras e USP vão criar laboratório em Santos
- Recuperação avançada de petróleo: busca de campos análogos e análises mundiais técnicas e estratégicas via abordagem orientada por ciência de dados
Informações sobre o DOI: 10.1016/j.egyai.2021.100050 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
Ulsen-2021-Stepped machin... |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
