Evaluation of Machine Learning Models for Geothermal Downhole Temperature Prediction Using Hydrogeochemical Datasets
Cette étude démontre que les modèles d'apprentissage automatique, particulièrement les algorithmes basés sur des arbres comme CatBoost et Random Forest, prédisent efficacement les températures géothermiques de fond de trou à l'aide de jeux de données hydrogéochimiques, offrant ainsi une alternative robuste pour l'évaluation des ressources dans les zones où les mesures directes sont limitées.