Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations (2023)
- Authors:
- USP affiliated authors: CARNEIRO, CLEYTON DE CARVALHO - EP ; TAMOTO, HUGO - EP
- Unidade: EP
- DOI: 10.1016/j.geoen.2023.212138
- Subjects: CARBONATOS; RESERVATÓRIOS; WIRELESS
- Language: Inglês
- Imprenta:
- Source:
- Título: Geoenergy Science and Engineering
- ISSN: 2949-8910
- Volume/Número/Paginação/Ano: v.229, p. 1-8, 2023
- Este periódico é de assinatura
- Este artigo NÃO é de acesso aberto
- Cor do Acesso Aberto: closed
-
ABNT
TAMOTO, Hugo e GIORIA, Rafael dos Santos e CARNEIRO, Cleyton de Carvalho. Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations. Geoenergy Science and Engineering, v. 229, p. 1-8, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.geoen.2023.212138. Acesso em: 30 dez. 2025. -
APA
Tamoto, H., Gioria, R. dos S., & Carneiro, C. de C. (2023). Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations. Geoenergy Science and Engineering, 229, 1-8. doi:10.1016/j.geoen.2023.212138 -
NLM
Tamoto H, Gioria R dos S, Carneiro C de C. Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations [Internet]. Geoenergy Science and Engineering. 2023 ;229 1-8.[citado 2025 dez. 30 ] Available from: https://doi.org/10.1016/j.geoen.2023.212138 -
Vancouver
Tamoto H, Gioria R dos S, Carneiro C de C. Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations [Internet]. Geoenergy Science and Engineering. 2023 ;229 1-8.[citado 2025 dez. 30 ] Available from: https://doi.org/10.1016/j.geoen.2023.212138 - Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models
- Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models
- Self-organizing maps as a tool for segmentation of magnetic resonance imaging (MRI) of relapsing-remitting multiple sclerosis
- Locação de poço de petróleo pioneiro em bacia offshore baseado em decisão multicritério por Lógica Fuzzy e índice somativo
- Geração de mapas de riscos naturais em Santarém – PA: abordagem baseada na lógica fuzzy
- Self-Organizing Maps as a Complementary and Non-Invasive Technique for the Analysis of Brain Tumors
- Perfilagem de poços de petróleo: abordagem semi-automatizada como alternativa à classificação litológica na bacia de Santos
- Analysis of neoplastic lesions in magnetic resonance imaging using self-organizing maps
- Integrating knowledge to maximize energy resources
- Electrofacies clustering and classification from the Ariri Formation in Santos Basin (southeastern offshore Brazil) involving unsupervised learning algorithms.
Informações sobre o DOI: 10.1016/j.geoen.2023.212138 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 |
CARNEIRO-2023-Enhancing_w... |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
