A Hybrid Ensemble Learning Framework for Permeability Prediction Using Integrated Petrophysical Logs, Core Measurements, and Drill Stem Test Data
Questo studio presenta un framework di apprendimento ensemble ibrido che integra log petrofisici, misurazioni di carote e dati di Drill Stem Test per prevedere accuratamente la permeabilità in reservoir eterogenei, formulando il compito sia come problema di classificazione che di regressione, dimostrando una performance e un'interpretabilità superiori rispetto ai modelli di machine learning standalone.