Implementation and Interpretation of Machine and Deep Learning to Applied Subsurface Geological Problems Prediction Models Exploiting Well-Log Information
-
- Taschenbuch ausgewählt
- eBook
-
Sprache:Englisch
133,99 €
UVP
154,50 €
inkl. gesetzl. MwSt.,
Beschreibung
Produktdetails
Einband
Taschenbuch
Erscheinungsdatum
25.03.2025
Verlag
Elsevier Science & TechnologySeitenzahl
442
Maße (L/B/H)
23,1/19,1/2 cm
Gewicht
885 g
Sprache
Englisch
ISBN
978-0-443-26510-5
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.
Ein neues Kapitel für Ihre Bücher
Ein neues Kapitel für Ihre Bücher
Schenken Sie Ihren alten Schätzen ein zweites Leben: Einfach Barcode scannen, Versandetikett ausdrucken, Bücher verschicken und Thalia Geschenkkarte erhalten.
Jetzt verkaufenNoch keine Bewertungen vorhanden
Verfassen Sie die erste Bewertung zu diesem Artikel
Helfen Sie anderen Kundinnen und Kunden durch Ihre Meinung.
Kurze Frage zu unserer Seite
Vielen Dank für Ihr Feedback
Wir nutzen Ihr Feedback, um unsere Produktseiten zu verbessern. Bitte haben Sie Verständnis, dass wir Ihnen keine Rückmeldung geben können. Falls Sie Kontakt mit uns aufnehmen möchten, können Sie sich aber gerne an unseren Kund*innenservice wenden.
zum Kundenservice