Machine Learning-Powered Predictive Analytics for Evaluating the Performance of Energized Foams
Diese Studie entwickelt ein gekoppeltes statisch-dynamisches Machine-Learning-Framework, das die scheinbare Viskosität von Nanopartikel- und Tensid-stabilisierten CO₂- und N₂-Schäumen unter Hochdruck-, Hochtemperatur-Reservoirbedingungen effektiv vorhersagt und somit eine kostengünstige Alternative zu gefährlichen und begrenzten Laboruntersuchungen zur Optimierung von Hydraulic-Fracturing-Operationen bietet.