Este trabajo hace la propuesta de un modelo predictivo de redes neuronales convolucionales de entradas múltiples con base en AlexNet, el cual puede ser usado para hacer predicciones sobre la producción de petróleo y gas con gran precisión, incluyendo datos de registro y fractura como entrada. A diferencia de otros métodos, que predicen la producción de petróleo y gas promediando los datos de registro y fractura, se puede usar el modelo propuesto para considerar los datos de registro de profundidad de cada pozo y datos de fractura en cada intervalo de tiempo. Esto permite que cada pieza de datos retenga la mayor cantidad de información original como sea posible; aumentando la diversidad de información de los datos y haciendo que los resultados sean más útiles. Sin duda, el enfoque propuesto en este trabajo logró mejores resultados que otras redes neuronales.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Integrando el proceso de coquización retardada en la configuración de refinerías en Nigeria
Artículo:
Evaluación temprana de la movilidad de los petróleos pesados
Video:
Programación lineal (PL): ejemplo en refinería
Artículo:
Fuentes convencionales y no convencionales de energía : estado actual y perspectivas
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
Estudio sobre la migración global de materiales plásticos de empaque usados en la industria de alimentos
Artículo:
Emisiones globales de gases de efecto invernadero provenientes de materiales de construcción residencial y comercial: estrategias de mitigación para 2060
Guía:
Manual de operaciones de destilación