Gjør som tusenvis av andre bokelskere
Abonner på vårt nyhetsbrev og få rabatter og inspirasjon til din neste leseopplevelse.
Ved å abonnere godtar du vår personvernerklæring.Du kan når som helst melde deg av våre nyhetsbrev.
Implementation and Interpretation of Machine and Deep Learning to Applied Subsurface Geological Problems: Prediction Models Exploiting Well-Log Information explores machine and deep learning models for subsurface geological prediction problems commonly encountered in applied resource evaluation and reservoir characterization tasks. The book provides insights into how the performance of ML/DL models can be optimized-and sparse datasets of input variables enhanced and/or rescaled-to improve prediction performances. A variety of topics are covered, including regression models to estimate total organic carbon from well-log data, predicting brittleness indexes in tight formation sequences, trapping mechanisms in potential sub-surface carbon storage reservoirs, and more.Each chapter includes its own introduction, summary, and nomenclature sections, along with one or more case studies focused on prediction model implementation related to its topic.
Abonner på vårt nyhetsbrev og få rabatter og inspirasjon til din neste leseopplevelse.
Ved å abonnere godtar du vår personvernerklæring.