...
机译:利用日志对页岩气藏总有机碳含量预测的人工智能方法:综述
Department of Fundamental and Applied Sciences Universiti Teknologi Petronas Seri Iskandar Perak Darul Ridzuan 32610 Malaysia;
Department of Fundamental and Applied Sciences Universiti Teknologi Petronas Seri Iskandar Perak Darul Ridzuan 32610 Malaysia;
IPS Research Center Waseda University 1-104 Totsukamachi Shinjuku-ku Tokyo 169-8050 Japan;
Department of Fundamental and Applied Sciences Universiti Teknologi Petronas Seri Iskandar Perak Darul Ridzuan 32610 Malaysia;
College of Business and Economics Qatar University P.O. Box: 2713 Doha Qatar;
Department of Computer and Information Sciences Universiti Teknologi Petronas Seri Iskandar Perak Darul Ridzuan 32610 Malaysia;
Artificial intelligence; Pattern recognition; Total organic carbon (TOC); Organic shale; Well logs;
机译:中国通化盆地井对数数据的页岩气藏总碳含量预测的一种新方法
机译:多层感知器神经网络结合Levenberg Marquardt训练算法从测井资料中预测页岩气储层中的总有机碳:在Barnett页岩中的应用
机译:基于新的集成混合神经网络和常规井测井曲线的页岩储层总有机碳含量预测
机译:通过核心和原木测定有机丰富的页岩储层总有机碳
机译:非常规致密气和页岩气储层的长期油井性能预测:一种密度方法。
机译:使用常规井日志和光谱伽马射线预测人工神经网络预测德文郡页岩总有机碳
机译:有机页岩中有线原木评价总有机碳含量的双页岩含量法
机译:参考方法24-表面涂层的挥发性物质含量,水含量,密度,体积固体和重量固体的测定。参考方法25-测定总气体非甲烷有机物排放量为碳。颁布测试方法的背景信息