A Hybrid Ensemble Learning Framework for Permeability Prediction Using Integrated Petrophysical Logs, Core Measurements, and Drill Stem Test Data
Este estudo apresenta uma estrutura de aprendizado de conjunto híbrido que integra perfis petrofísicos, medições de testemunhos e dados de Teste de Perfuração (DST) para prever com precisão a permeabilidade em reservatórios heterogêneos ao formular a tarefa como um problema tanto de classificação quanto de regressão, demonstrando desempenho e interpretabilidade superiores em relação a modelos de aprendizado de máquina isolados.