Optimizing permeability and porosity prediction with advanced machine learning: A case study unlocking the complexities of late cretaceous reservoirs, gulf of suez, Egypt
21Citations signalées — pas une note de qualité
7Institutions déclarées
4Pays d’affiliation déclarés
Résumé indisponible : les résultats de l’étude ne doivent pas être déduits depuis son seul titre.
Contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- Optimizing permeability and porosity prediction with advanced machine learning: A case study unlocking the complexities of late cretaceous reservoirs, gulf of suez, Egypt
- Date Crossref
- 01/08/2025
- Éditeur
- Elsevier BV
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude et ne compte pas comme une seconde source scientifique indépendante.
Institutions déclarées
The University of TokyoPort Said UniversityTexas A&M University – Corpus ChristiSuez Canal UniversitySaudi Aramco (Saudi Arabia)Desert Research CenterHelwan University
Une affiliation ne permet pas de déduire la nationalité d’un auteur.
Sujets associés
Hydrocarbon exploration and reservoir analysisHydraulic Fracturing and Reservoir AnalysisReservoir Engineering and Simulation Methods