Machine Learning-Powered Predictive Analytics for Evaluating the Performance of Energized Foams
본 연구는 고압, 고온의 저류층 조건에서 나노입자 및 계면활성제로 안정화된 CO₂ 및 N₂ 폼의 겉보기 점도를 효과적으로 예측하는 결합 정적-동적 머신러닝 프레임워크를 개발하였으며, 이는 수압 파쇄 작업을 최적화하기 위한 위험하고 제한적인 실험실 테스트를 대체할 수 있는 비용 효율적인 대안을 제공한다.