Szabó Norbert Péter et al. Interval inversion based well log analysis assisted by petrophysical laboratory measurements for evaluating tight gas formations in Derecske through, Pannonian basin, east Hungary. (2022) JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING 0920-4105 208 Part C, 32376584
Szakcikk (Folyóiratcikk) | Tudományos[32376584]
  1. Zhu Weiyao et al. Effect of dynamic threshold pressure gradient on production performance in water-bearing tight gas reservoir. (2022) Advances in Geo-Energy Research 2207-9963 2208-598X 6 4 286-295
    Szakcikk (Folyóiratcikk) | Tudományos[32847796] [Nyilvános]
    Független, Idéző: 32847796, Kapcsolat: 31331336
Szabó N.P. et al. Interval inversion as innovative well log interpretation tool for evaluating organic-rich shale formations. (2020) JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING 0920-4105 186 p. 106696, 31147878
Szakcikk (Folyóiratcikk) | Tudományos[31147878]
  1. Bao Liyuan et al. A Deep Neural Network Based Feature Learning Method for Well Log Interpretation. (2021) ISBN:9783030675141
    Könyv | Tudományos[31914890] [Nyilvános]
    Független, Idéző: 31914890, Kapcsolat: 29905335
  2. Zhu Linqi et al. Key factors of marine shale conductivity in southern China—Part I: The influence factors other than porosity. (2021) JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING 0920-4105 1873-4715 205 p. 108698
    Szakcikk (Folyóiratcikk) | Tudományos[32005812] [Nyilvános]
    Független, Idéző: 32005812, Kapcsolat: 30070135
  3. Valadez Vergara Rafael. WELL-LOG BASED TOC ESTIMATION USING LINEAR APPROXIMATION METHODS. (2020) GEOSCIENCES AND ENGINEERING: A PUBLICATION OF THE UNIVERSITY OF MISKOLC 2063-6997 8 13 116-130
    Szakcikk (Folyóiratcikk) | Tudományos[32119355] [Nyilvános]
    Független, Idéző: 32119355, Kapcsolat: 30228728
  4. Zhu Linqi et al. Key factors of marine shale conductivity in southern China-Part I: The influence factors other than porosity. (2021) JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING 0920-4105 1873-4715 205
    Szakcikk (Folyóiratcikk) | Tudományos[32333729] [Egyeztetett]
    Független, Idéző: 32333729, Kapcsolat: 30585341
  5. Zheng Lei et al. Prediction of multi-reservoir production for water injection well by using temperature logging data. (2021) JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING 0920-4105 1873-4715 197
    Szakcikk (Folyóiratcikk) | Tudományos[32333730] [Nyilvános]
    Független, Idéző: 32333730, Kapcsolat: 30585342
Szabó Norbert Péter et al. Series Expansion-Based Genetic Inversion of Wireline Logging Data. (2019) MATHEMATICAL GEOSCIENCES 1874-8961 1874-8953 51 6 811-835, 30317395
Szakcikk (Folyóiratcikk) | Tudományos[30317395]
  1. Aleardi Mattia. Discrete cosine transform for parameter space reduction in linear and non-linear AVA inversions. (2020) JOURNAL OF APPLIED GEOPHYSICS 0926-9851 p. 104106
    Szakcikk (Folyóiratcikk) | Tudományos[31344218] [Nyilvános]
    Független, Idéző: 31344218, Kapcsolat: 29033327
  2. Aleardi Mattia. Combining discrete cosine transform and convolutional neural networks to speed up the Hamiltonian Monte Carlo inversion of pre-stack seismic data. (2020) GEOPHYSICAL PROSPECTING 0016-8025 1365-2478 n/a n/a
    Szakcikk (Folyóiratcikk) | Tudományos[31500587] [Nyilvános]
    Független, Idéző: 31500587, Kapcsolat: 29260996
  3. Aleardi Mattia et al. Elastic pre-stack inversion through Discrete Cosine Transform reparameterization and Convolutional Neural Networks. (2020) GEOPHYSICS 0016-8033 1942-2156
    Szakcikk (Folyóiratcikk) | Tudományos[31622309] [Nyilvános]
    Független, Idéző: 31622309, Kapcsolat: 29479488
  4. Aleardi Mattia. Combining discrete cosine transform and convolutional neural networks to speed up the Hamiltonian Monte Carlo inversion of pre-stack seismic data. (2020) GEOPHYSICAL PROSPECTING 0016-8025 1365-2478 68 9 2738-2761
    Szakcikk (Folyóiratcikk) | Tudományos[31752523] [Egyeztetett]
    Független, Idéző: 31752523, Kapcsolat: 29678301
2022-08-20 04:39