Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models (2023)
- Authors:
- USP affiliated authors: GIORIA, RAFAEL DOS SANTOS - EP ; CARNEIRO, CLEYTON DE CARVALHO - EP ; TAMOTO, HUGO - EP
- Unidade: EP
- DOI: 10.1007/978-3-031-23492-7_11
- Subjects: APRENDIZADO COMPUTACIONAL; POÇOS
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Artificial Intelligence and Soft Computing
- Volume/Número/Paginação/Ano: v. 13588, p. 115–130
- Conference titles: International Conference on Artificial Intelligence and Soft Computing
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
TAMOTO, Hugo et al. Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models. Artificial Intelligence and Soft Computing. Tradução . Suica: Escola Politécnica, Universidade de São Paulo, 2023. v. 13588. p. 115–130. Disponível em: https://doi.org/10.1007/978-3-031-23492-7_11. Acesso em: 29 dez. 2025. -
APA
Tamoto, H., Contreras, R. C., Santos, F. L. dos, Viana, M. S., Gioria, R. dos S., & Carneiro, C. de C. (2023). Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models. In Artificial Intelligence and Soft Computing (Vol. 13588, p. 115–130). Suica: Escola Politécnica, Universidade de São Paulo. doi:10.1007/978-3-031-23492-7_11 -
NLM
Tamoto H, Contreras RC, Santos FL dos, Viana MS, Gioria R dos S, Carneiro C de C. Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models [Internet]. In: Artificial Intelligence and Soft Computing. Suica: Escola Politécnica, Universidade de São Paulo; 2023. p. 115–130.[citado 2025 dez. 29 ] Available from: https://doi.org/10.1007/978-3-031-23492-7_11 -
Vancouver
Tamoto H, Contreras RC, Santos FL dos, Viana MS, Gioria R dos S, Carneiro C de C. Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models [Internet]. In: Artificial Intelligence and Soft Computing. Suica: Escola Politécnica, Universidade de São Paulo; 2023. p. 115–130.[citado 2025 dez. 29 ] Available from: https://doi.org/10.1007/978-3-031-23492-7_11 - Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models
- Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations
- Classificação de litofácies em sequências evaporíticas: exemplos de aplicação a partir de redes neurais artificiais não supervisionadas
- Colunas litológicas semiautomatizadas em perfis de poços baseadas em algoritmos de inteligência artificial
- Inteligência artificial aplicada ao reconhecimento de textura e porosidade em lâminas petrográficas de rochas carbonáticas
- Digital petrography: Mineralogy and porosity identification using machine learning algorithms in petrographic thin section images
- Adjustment of relative permeability curves parameters by supervised artificial neural networks
- Prediction of wettability alteration using the artificial neural networks in the salinity control of water injection in carbonate reservoirs
- Model selection for dynamic interfacial tension of dead crude oil/brine to estimate pressure and temperature effects on the equilibrium tension
- Similaridade entre perfis de poços de petróleo: uma abordagem a partir de ciência de dados e mapas auto-organizáveis
Informações sobre o DOI: 10.1007/978-3-031-23492-7_11 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
GIORIA-2023-Synthetic_p._... |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
