Advances in Subsurface Data Analytics: Traditional and Physics-Based Approaches brings together the fundamentals of popular and emerging machine learning (ML) algorithms with their applications in subsurface analysis, including geology, geophysics, petrophysics, and reservoir engineering. The book is divided into four parts: traditional ML, deep learning, physics-based ML, and new directions, with an increasing level of diversity and complexity of topics. Each chapter focuses on one ML algorithm with a detailed workflow for a specific application in geosciences. Some chapters also compare the results from an algorithm with others to better equip the readers with different strategies to implement automated workflows for subsurface analysis. Advances in Subsurface Data Analytics: Traditional and Physics-Based Approaches will help researchers in academia and professional geoscientists working on the subsurface-related problems (oil and gas, geothermal, carbon sequestration, and seismology) at different scales to understand and appreciate current trends in ML approaches, their applications, advances and limitations, and future potential in geosciences by bringing together several contributions in a single volume.
- Covers fundamentals of simple machine learning and deep learning algorithms, and physics-based approaches written by practitioners in academia and industry
- Presents detailed case studies of individual machine learning algorithms and optimal strategies in subsurface characterization around the world
- Offers an analysis of future trends in machine learning in geosciences
Advances in Subsurface Data Analytics: Traditional and Physics-Based Approaches brings together the fundamentals of popular and emerging machine learning (ML) algorithms with their applications in subsurface analysis, including geology, geophysics, petrophysics, and reservoir engineering. The book is divided into four parts: traditional ML, deep learning, physics-based ML, and new directions, with an increasing level of diversity and complexity of topics. Each chapter focuses on one ML algorithm with a detailed workflow for a specific application in geosciences. Some chapters also compare the results from an algorithm with others to better equip the readers with different strategies to implement automated workflows for subsurface analysis. Advances in Subsurface Data Analytics: Traditional and Physics-Based Approaches will help researchers in academia and professional geoscientists working on the subsurface-related problems (oil and gas, geothermal, carbon sequestration, and seismology) at different scales to understand and appreciate current trends in ML approaches, their applications, advances and limitations, and future potential in geosciences by bringing together several contributions in a single volume. Covers fundamentals of simple machine learning and deep learning algorithms, and physics-based approaches written by practitioners in academia and industry Presents detailed case studies of individual machine learning algorithms and optimal strategies in subsurface characterization around the world Offers an analysis of future trends in machine learning in geosciences
| Erscheint lt. Verlag | 18.5.2022 |
|---|---|
| Sprache | englisch |
| Themenwelt | Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik |
| Naturwissenschaften ► Geowissenschaften ► Geologie | |
| Technik | |
| ISBN-10 | 0-12-822308-1 / 0128223081 |
| ISBN-13 | 978-0-12-822308-6 / 9780128223086 |
| Haben Sie eine Frage zum Produkt? |
PDF (Adobe DRM)Größe: 51,0 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
EPUB (Adobe DRM)Größe: 38,7 MB
Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
