文件名称：Drilling-rate-of-penetration-prediction:利用机器学习和深度学习进行地热钻探ROP
文件大小：5.56MB
文件格式：ZIP
更新时间：2024-04-19 16:14:35
JupyterNotebook
利用机器学习和深度学习进行地热钻探ROP 所使用的钻井数据来自犹他州FORGE的58-32井（以前称为MU-ESW1），该井在犹他州米尔福德附近钻探，以确认地热储层特征 使用以下数据对数据进行预处理，以进行机器学习和深度学习预测： -随机森林回归-支持向量机回归-人工神经网络
【文件预览】：
Drilling-rate-of-penetration-prediction-main
----2-ROP prediction using neural network.ipynb(1.51MB)
----well_without_outlier.csv(392KB)
----1-ROP prediction using Random forest regressor.py(5KB)
----Well_58-32.csv(1.23MB)
----1-ROP prediction using Random forest and SVM.ipynb(2.99MB)
----.gitattributes(66B)
----ROP prediction using neural network notebook.ipynb(1.17MB)
----2-ROP prediction using Artificial neural network.py(5KB)
----best_model.hdf5(49KB)
----LICENSE(1KB)
----README.md(419B)
----ROP prediction using Random forest and SVM notebook.ipynb(2.9MB)