ReP USP - Resultado da busca

Artigo de periodico
Predicting gold accessibility from mineralogical characterization using machine learning algorithms (2024)
Costa, Fabrizzio Rodrigues ; Carneiro, Cleyton de Carvalho ; Ulsen, Carina
Source: Journal of Materials Research and Technology. Unidade: EP
Subjects: ANÁLISE DE DADOS, MINERALOGIA APLICADA, MINÉRIOS, OURO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COSTA, Fabrizzio Rodrigues e CARNEIRO, Cleyton de Carvalho e ULSEN, Carina. Predicting gold accessibility from mineralogical characterization using machine learning algorithms. Journal of Materials Research and Technology, v. 29, p. 10 , 2024Tradução . . Disponível em: https://doi.org/10.1016/j.jmrt.2024.01.139. Acesso em: 27 abr. 2024.
APA
Costa, F. R., Carneiro, C. de C., & Ulsen, C. (2024). Predicting gold accessibility from mineralogical characterization using machine learning algorithms. Journal of Materials Research and Technology, 29, 10 . doi:10.1016/j.jmrt.2024.01.139
NLM
Costa FR, Carneiro C de C, Ulsen C. Predicting gold accessibility from mineralogical characterization using machine learning algorithms [Internet]. Journal of Materials Research and Technology. 2024 ;29 10 .[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.jmrt.2024.01.139
Vancouver
Costa FR, Carneiro C de C, Ulsen C. Predicting gold accessibility from mineralogical characterization using machine learning algorithms [Internet]. Journal of Materials Research and Technology. 2024 ;29 10 .[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.jmrt.2024.01.139
Artigo de periodico
Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images (2023)
Rubo, Rafael Andrello; Michelon, Mateus Fontana; Carneiro, Cleyton de Carvalho
Source: Earth Science Informatics. Unidade: EP
Subjects: PETROGRAFIA, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RUBO, Rafael Andrello e MICHELON, Mateus Fontana e CARNEIRO, Cleyton de Carvalho. Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images. Earth Science Informatics, p. 10 2023, 2023Tradução . . Disponível em: https://doi.org/10.1007/s12145-022-00901-9. Acesso em: 27 abr. 2024.
APA
Rubo, R. A., Michelon, M. F., & Carneiro, C. de C. (2023). Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images. Earth Science Informatics, 10 2023. doi:10.1007/s12145-022-00901-9
NLM
Rubo RA, Michelon MF, Carneiro C de C. Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images [Internet]. Earth Science Informatics. 2023 ;10 2023.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1007/s12145-022-00901-9
Vancouver
Rubo RA, Michelon MF, Carneiro C de C. Carbonate lithofacies classification in optical microscopy: a data‑centric approach using augmentation and GAN synthetic images [Internet]. Earth Science Informatics. 2023 ;10 2023.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1007/s12145-022-00901-9
Artigo de periodico
Hybrid mineral model integrating probabilistic and machine learning approaches for the Brazilian pre-salt carbonate reservoirs (2023)
Oliveira, Lucas Abreu Blanes de; Freitas,Gabriel Do Nascimento; Pesce, PedroBarros Cotta; Carneiro, Cleyton de Carvalho
Source: Geophysical prospecting. Unidade: EP
Subjects: PRÉ-SAL, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, Lucas Abreu Blanes de et al. Hybrid mineral model integrating probabilistic and machine learning approaches for the Brazilian pre-salt carbonate reservoirs. Geophysical prospecting, p. 1-29, 2023Tradução . . Disponível em: https://doi.org/10.1111/1365-2478.13378. Acesso em: 27 abr. 2024.
APA
Oliveira, L. A. B. de, Freitas, G. D. N., Pesce, P. B. C., & Carneiro, C. de C. (2023). Hybrid mineral model integrating probabilistic and machine learning approaches for the Brazilian pre-salt carbonate reservoirs. Geophysical prospecting, 1-29. doi:10.1111/1365-2478.13378
NLM
Oliveira LAB de, Freitas GDN, Pesce PBC, Carneiro C de C. Hybrid mineral model integrating probabilistic and machine learning approaches for the Brazilian pre-salt carbonate reservoirs [Internet]. Geophysical prospecting. 2023 ;1-29.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1111/1365-2478.13378
Vancouver
Oliveira LAB de, Freitas GDN, Pesce PBC, Carneiro C de C. Hybrid mineral model integrating probabilistic and machine learning approaches for the Brazilian pre-salt carbonate reservoirs [Internet]. Geophysical prospecting. 2023 ;1-29.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1111/1365-2478.13378
Artigo de periodico
Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations (2023)
Tamoto, Hugo; Gioria, Rafael dos Santos ; Carneiro, Cleyton de Carvalho
Source: Geoenergy Science and Engineering. Unidade: EP
Subjects: CARBONATOS, RESERVATÓRIOS, WIRELESS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TAMOTO, Hugo e GIORIA, Rafael dos Santos e CARNEIRO, Cleyton de Carvalho. Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations. Geoenergy Science and Engineering, v. 229, p. 1-8, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.geoen.2023.212138. Acesso em: 27 abr. 2024.
APA
Tamoto, H., Gioria, R. dos S., & Carneiro, C. de C. (2023). Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations. Geoenergy Science and Engineering, 229, 1-8. doi:10.1016/j.geoen.2023.212138
NLM
Tamoto H, Gioria R dos S, Carneiro C de C. Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations [Internet]. Geoenergy Science and Engineering. 2023 ;229 1-8.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.geoen.2023.212138
Vancouver
Tamoto H, Gioria R dos S, Carneiro C de C. Enhancing wireline formation testing with explainable machine learning: Predicting effective and non-effective stations [Internet]. Geoenergy Science and Engineering. 2023 ;229 1-8.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.geoen.2023.212138
Artigo de periodico
Model selection for dynamic interfacial tension of dead crude oil/brine to estimate pressure and temperature effects on the equilibrium tension (2023)
Gioria, Rafael dos Santos ; Silveira, Bruno Marco de Oliveira; Skinner, Rodrigo; Ulsen, Carina ; Carneiro, Cleyton de Carvalho ; Ferrari, Jean Vicente
Source: Geoenergy Science and Engineering. Unidade: EP
Subjects: CARACTERIZAÇÃO TECNOLÓGICA DE ROCHAS, RESERVATÓRIOS DE PETRÓLEO, TENSÃO INTERFACIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GIORIA, Rafael dos Santos et al. Model selection for dynamic interfacial tension of dead crude oil/brine to estimate pressure and temperature effects on the equilibrium tension. Geoenergy Science and Engineering, v. 231, 2023Tradução . . Disponível em: https://doi.org/10.1016/j.geoen.2023.212444. Acesso em: 27 abr. 2024.
APA
Gioria, R. dos S., Silveira, B. M. de O., Skinner, R., Ulsen, C., Carneiro, C. de C., & Ferrari, J. V. (2023). Model selection for dynamic interfacial tension of dead crude oil/brine to estimate pressure and temperature effects on the equilibrium tension. Geoenergy Science and Engineering, 231. doi:10.1016/j.geoen.2023.212444
NLM
Gioria R dos S, Silveira BM de O, Skinner R, Ulsen C, Carneiro C de C, Ferrari JV. Model selection for dynamic interfacial tension of dead crude oil/brine to estimate pressure and temperature effects on the equilibrium tension [Internet]. Geoenergy Science and Engineering. 2023 ;231[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.geoen.2023.212444
Vancouver
Gioria R dos S, Silveira BM de O, Skinner R, Ulsen C, Carneiro C de C, Ferrari JV. Model selection for dynamic interfacial tension of dead crude oil/brine to estimate pressure and temperature effects on the equilibrium tension [Internet]. Geoenergy Science and Engineering. 2023 ;231[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.geoen.2023.212444
Artigo de periodico
Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models (2023)
Tamoto, Hugo; Gioria, Rafael dos Santos ; Carneiro, Cleyton de Carvalho
Source: Journal of Petroleum Science and Engineering. Unidade: EP
Subjects: PETROGRAFIA, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TAMOTO, Hugo e GIORIA, Rafael dos Santos e CARNEIRO, Cleyton de Carvalho. Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models. Journal of Petroleum Science and Engineering, v. 220, p. 10 , 2023Tradução . . Disponível em: https://doi.org/10.1016/j.petrol.2022.111169. Acesso em: 27 abr. 2024.
APA
Tamoto, H., Gioria, R. dos S., & Carneiro, C. de C. (2023). Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models. Journal of Petroleum Science and Engineering, 220, 10 . doi:10.1016/j.petrol.2022.111169
NLM
Tamoto H, Gioria R dos S, Carneiro C de C. Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models [Internet]. Journal of Petroleum Science and Engineering. 2023 ; 220 10 .[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.petrol.2022.111169
Vancouver
Tamoto H, Gioria R dos S, Carneiro C de C. Prediction of nuclear magnetic resonance porosity well-logs in a carbonate reservoir using supervised machine learning models [Internet]. Journal of Petroleum Science and Engineering. 2023 ; 220 10 .[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.petrol.2022.111169
Artigo de periodico
Imputation of gold recovery data from low grade gold ore using artifical neural network (2023)
Costa, Fabrizzio Rodrigues ; Carneiro, Cleyton de Carvalho ; Ulsen, Carina
Source: Minerals. Unidade: EP
Subjects: REDES NEURAIS, ANÁLISE DE DADOS, OURO, MINERALOGIA APLICADA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COSTA, Fabrizzio Rodrigues e CARNEIRO, Cleyton de Carvalho e ULSEN, Carina. Imputation of gold recovery data from low grade gold ore using artifical neural network. Minerals, v. 13, n. 3, p. 1-15, 2023Tradução . . Disponível em: https://doi.org/10.3390/min13030340. Acesso em: 27 abr. 2024.
APA
Costa, F. R., Carneiro, C. de C., & Ulsen, C. (2023). Imputation of gold recovery data from low grade gold ore using artifical neural network. Minerals, 13( 3), 1-15. doi:10.3390/min13030340
NLM
Costa FR, Carneiro C de C, Ulsen C. Imputation of gold recovery data from low grade gold ore using artifical neural network [Internet]. Minerals. 2023 ; 13( 3): 1-15.[citado 2024 abr. 27 ] Available from: https://doi.org/10.3390/min13030340
Vancouver
Costa FR, Carneiro C de C, Ulsen C. Imputation of gold recovery data from low grade gold ore using artifical neural network [Internet]. Minerals. 2023 ; 13( 3): 1-15.[citado 2024 abr. 27 ] Available from: https://doi.org/10.3390/min13030340
Parte de monografia/livro
Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models (2023)
Tamoto, Hugo; Contreras, Rodrigo Colnago ; Santos, Francisco Lledo dos ; Viana, Monique Simplicio ; Gioria, Rafael dos Santos ; Carneiro, Cleyton de Carvalho
Source: Artificial Intelligence and Soft Computing. Conference titles: International Conference on Artificial Intelligence and Soft Computing. Unidade: EP
Subjects: APRENDIZADO COMPUTACIONAL, POÇOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
TAMOTO, Hugo et al. Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models. Artificial Intelligence and Soft Computing. Tradução . Suica: Escola Politécnica, Universidade de São Paulo, 2023. v. 13588. p. 115–130. Disponível em: https://doi.org/10.1007/978-3-031-23492-7_11. Acesso em: 27 abr. 2024.
APA
Tamoto, H., Contreras, R. C., Santos, F. L. dos, Viana, M. S., Gioria, R. dos S., & Carneiro, C. de C. (2023). Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models. In Artificial Intelligence and Soft Computing (Vol. 13588, p. 115–130). Suica: Escola Politécnica, Universidade de São Paulo. doi:10.1007/978-3-031-23492-7_11
NLM
Tamoto H, Contreras RC, Santos FL dos, Viana MS, Gioria R dos S, Carneiro C de C. Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models [Internet]. In: Artificial Intelligence and Soft Computing. Suica: Escola Politécnica, Universidade de São Paulo; 2023. p. 115–130.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1007/978-3-031-23492-7_11
Vancouver
Tamoto H, Contreras RC, Santos FL dos, Viana MS, Gioria R dos S, Carneiro C de C. Synthetic Slowness Shear Well-Log Prediction Using Supervised Machine Learning Models [Internet]. In: Artificial Intelligence and Soft Computing. Suica: Escola Politécnica, Universidade de São Paulo; 2023. p. 115–130.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1007/978-3-031-23492-7_11
Artigo de periodico
IntraSOM: A comprehensive Python library for Self-Organizing Maps with hexagonal toroidal maps training and missing data handling (2023)
Gouvêa, Rodrigo César Teixeira de; Gioria, Rafael dos Santos ; Marques, Gustavo Rodovalho; Carneiro, Cleyton de Carvalho
Source: Software Impacts. Unidade: EP
Subjects: PYTHON, VISUALIZAÇÃO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GOUVÊA, Rodrigo César Teixeira de et al. IntraSOM: A comprehensive Python library for Self-Organizing Maps with hexagonal toroidal maps training and missing data handling. Software Impacts, v. 17, p. 6 , 2023Tradução . . Disponível em: https://doi.org/10.1016/j.simpa.2023.100570. Acesso em: 27 abr. 2024.
APA
Gouvêa, R. C. T. de, Gioria, R. dos S., Marques, G. R., & Carneiro, C. de C. (2023). IntraSOM: A comprehensive Python library for Self-Organizing Maps with hexagonal toroidal maps training and missing data handling. Software Impacts, 17, 6 . doi:10.1016/j.simpa.2023.100570
NLM
Gouvêa RCT de, Gioria R dos S, Marques GR, Carneiro C de C. IntraSOM: A comprehensive Python library for Self-Organizing Maps with hexagonal toroidal maps training and missing data handling [Internet]. Software Impacts. 2023 ; 17 6 .[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.simpa.2023.100570
Vancouver
Gouvêa RCT de, Gioria R dos S, Marques GR, Carneiro C de C. IntraSOM: A comprehensive Python library for Self-Organizing Maps with hexagonal toroidal maps training and missing data handling [Internet]. Software Impacts. 2023 ; 17 6 .[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.simpa.2023.100570
Artigo de periodico
Electrofacies clustering and classification from the Ariri Formation in Santos Basin (southeastern offshore Brazil) involving unsupervised learning algorithms. (2023)
Gorla, Felipe Ferreira Luiz; Carneiro, Cleyton de Carvalho
Source: Carbonates and Evaporites. Unidade: EP
Subjects: REDES NEURAIS, ALGORITMOS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GORLA, Felipe Ferreira Luiz e CARNEIRO, Cleyton de Carvalho. Electrofacies clustering and classification from the Ariri Formation in Santos Basin (southeastern offshore Brazil) involving unsupervised learning algorithms. Carbonates and Evaporites, p. 38-63, 2023Tradução . . Disponível em: https://doi.org/10.1007/s13146-023-00889-3. Acesso em: 27 abr. 2024.
APA
Gorla, F. F. L., & Carneiro, C. de C. (2023). Electrofacies clustering and classification from the Ariri Formation in Santos Basin (southeastern offshore Brazil) involving unsupervised learning algorithms. Carbonates and Evaporites, 38-63. doi:10.1007/s13146-023-00889-3
NLM
Gorla FFL, Carneiro C de C. Electrofacies clustering and classification from the Ariri Formation in Santos Basin (southeastern offshore Brazil) involving unsupervised learning algorithms. [Internet]. Carbonates and Evaporites. 2023 ; 38-63.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1007/s13146-023-00889-3
Vancouver
Gorla FFL, Carneiro C de C. Electrofacies clustering and classification from the Ariri Formation in Santos Basin (southeastern offshore Brazil) involving unsupervised learning algorithms. [Internet]. Carbonates and Evaporites. 2023 ; 38-63.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1007/s13146-023-00889-3
Artigo de periodico
Self-organizing maps analysis of chemical-mineralogical gold ore characterization in support of geometallurgy (2023)
Costa, Fabrizzio Rodrigues ; Carneiro, Cleyton de Carvalho ; Ulsen, Carina
Source: Mining. Unidade: EP
Subjects: MINERALOGIA, CARACTERIZAÇÃO TECNOLÓGICA DE MINÉRIOS, OURO, REDES NEURAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COSTA, Fabrizzio Rodrigues e CARNEIRO, Cleyton de Carvalho e ULSEN, Carina. Self-organizing maps analysis of chemical-mineralogical gold ore characterization in support of geometallurgy. Mining, v. 3, n. 2, p. 230-240, 2023Tradução . . Disponível em: https://doi.org/10.3390/mining3020014. Acesso em: 27 abr. 2024.
APA
Costa, F. R., Carneiro, C. de C., & Ulsen, C. (2023). Self-organizing maps analysis of chemical-mineralogical gold ore characterization in support of geometallurgy. Mining, 3( 2), 230-240. doi:10.3390/mining3020014
NLM
Costa FR, Carneiro C de C, Ulsen C. Self-organizing maps analysis of chemical-mineralogical gold ore characterization in support of geometallurgy [Internet]. Mining. 2023 ; 3( 2): 230-240.[citado 2024 abr. 27 ] Available from: https://doi.org/10.3390/mining3020014
Vancouver
Costa FR, Carneiro C de C, Ulsen C. Self-organizing maps analysis of chemical-mineralogical gold ore characterization in support of geometallurgy [Internet]. Mining. 2023 ; 3( 2): 230-240.[citado 2024 abr. 27 ] Available from: https://doi.org/10.3390/mining3020014
Tese (Doutorado)
Petrografia digital: quantificação e caracterização de minerais, poros, texturas e litofácies com base em inteligência artificial (2022)
Rubo, Rafael Andrello; Carneiro, Cleyton de Carvalho (Orientador)
Unidade: EP
Subjects: PETROGRAFIA, INTELIGÊNCIA ARTIFICIAL, APRENDIZADO COMPUTACIONAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
RUBO, Rafael Andrello. Petrografia digital: quantificação e caracterização de minerais, poros, texturas e litofácies com base em inteligência artificial. 2022. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3134/tde-12082022-080122/. Acesso em: 27 abr. 2024.
APA
Rubo, R. A. (2022). Petrografia digital: quantificação e caracterização de minerais, poros, texturas e litofácies com base em inteligência artificial (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3134/tde-12082022-080122/
NLM
Rubo RA. Petrografia digital: quantificação e caracterização de minerais, poros, texturas e litofácies com base em inteligência artificial [Internet]. 2022 ;[citado 2024 abr. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3134/tde-12082022-080122/
Vancouver
Rubo RA. Petrografia digital: quantificação e caracterização de minerais, poros, texturas e litofácies com base em inteligência artificial [Internet]. 2022 ;[citado 2024 abr. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3134/tde-12082022-080122/
Dissertação (Mestrado)
Modelagem geoquímica e mineralógica dos reservatórios carbonáticos do pré-sal da bacia de Santos através de perfis de poços e inteligência artificial (2022)
Oliveira, Lucas Abreu Blanes de; Carneiro, Cleyton de Carvalho (Orientador)
Unidade: EP
Subjects: POÇOS, APRENDIZADO COMPUTACIONAL, INTELIGÊNCIA ARTIFICIAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
OLIVEIRA, Lucas Abreu Blanes de. Modelagem geoquímica e mineralógica dos reservatórios carbonáticos do pré-sal da bacia de Santos através de perfis de poços e inteligência artificial. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/3/3135/tde-22022022-092113/. Acesso em: 27 abr. 2024.
APA
Oliveira, L. A. B. de. (2022). Modelagem geoquímica e mineralógica dos reservatórios carbonáticos do pré-sal da bacia de Santos através de perfis de poços e inteligência artificial (Dissertação (Mestrado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/3/3135/tde-22022022-092113/
NLM
Oliveira LAB de. Modelagem geoquímica e mineralógica dos reservatórios carbonáticos do pré-sal da bacia de Santos através de perfis de poços e inteligência artificial [Internet]. 2022 ;[citado 2024 abr. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3135/tde-22022022-092113/
Vancouver
Oliveira LAB de. Modelagem geoquímica e mineralógica dos reservatórios carbonáticos do pré-sal da bacia de Santos através de perfis de poços e inteligência artificial [Internet]. 2022 ;[citado 2024 abr. 27 ] Available from: https://www.teses.usp.br/teses/disponiveis/3/3135/tde-22022022-092113/
Artigo de periodico
Influence of oil aging time, pressure and temperature on contact angle measurements of reservoir mineral surfaces (2022)
Silveira, Bruno Marco de Oliveira; Ulsen, Carina ; Carneiro, Cleyton de Carvalho ; Ferrari, Jean Vicente ; Gioria, Rafael dos Santos ; Arismendi Florez, Jhonatan Jair; Fagundes, Thais Bortotti; Silva, Mayara Antunes da Trindade; Skinner, Rodrigo
Source: Fuel The Science and Technology of Fuel and Energy. Unidade: EP
Subjects: PRÉ-SAL, MINERAIS
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
SILVEIRA, Bruno Marco de Oliveira et al. Influence of oil aging time, pressure and temperature on contact angle measurements of reservoir mineral surfaces. Fuel The Science and Technology of Fuel and Energy, v. 310, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.fuel.2021.122414. Acesso em: 27 abr. 2024.
APA
Silveira, B. M. de O., Ulsen, C., Carneiro, C. de C., Ferrari, J. V., Gioria, R. dos S., Arismendi Florez, J. J., et al. (2022). Influence of oil aging time, pressure and temperature on contact angle measurements of reservoir mineral surfaces. Fuel The Science and Technology of Fuel and Energy, 310. doi:10.1016/j.fuel.2021.122414
NLM
Silveira BM de O, Ulsen C, Carneiro C de C, Ferrari JV, Gioria R dos S, Arismendi Florez JJ, Fagundes TB, Silva MA da T, Skinner R. Influence of oil aging time, pressure and temperature on contact angle measurements of reservoir mineral surfaces [Internet]. Fuel The Science and Technology of Fuel and Energy. 2022 ; 310[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.fuel.2021.122414
Vancouver
Silveira BM de O, Ulsen C, Carneiro C de C, Ferrari JV, Gioria R dos S, Arismendi Florez JJ, Fagundes TB, Silva MA da T, Skinner R. Influence of oil aging time, pressure and temperature on contact angle measurements of reservoir mineral surfaces [Internet]. Fuel The Science and Technology of Fuel and Energy. 2022 ; 310[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.fuel.2021.122414
Artigo de periodico
A Statistical and Self-Organizing Maps (SOM) Comparative Study on the Wear and Performance of MgO-C Resin Bonded Refractories Used on the Slag Line of Ladles of a Basic Oxygen Steelmaking Plant (2022)
Borges, Ronaldo Adriano Alvarenga; Antoniassi, Natalia Piedemonte; Klotz, Luccas Esper; Carneiro, Cleyton de Carvalho ; Silva, Guilherme Frederico Bernardo Lenz e
Source: Metallurgical and Materials Transactions B. Unidade: EP
Subjects: DESGASTE ADESIVO, REFRATÁRIOS, INDÚSTRIA SIDERÚRGICA, ESCÓRIA
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
BORGES, Ronaldo Adriano Alvarenga et al. A Statistical and Self-Organizing Maps (SOM) Comparative Study on the Wear and Performance of MgO-C Resin Bonded Refractories Used on the Slag Line of Ladles of a Basic Oxygen Steelmaking Plant. Metallurgical and Materials Transactions B, n. 15 p. ju, 2022Tradução . . Disponível em: https://doi.org/10.1007/s11663-022-02569-4. Acesso em: 27 abr. 2024.
APA
Borges, R. A. A., Antoniassi, N. P., Klotz, L. E., Carneiro, C. de C., & Silva, G. F. B. L. e. (2022). A Statistical and Self-Organizing Maps (SOM) Comparative Study on the Wear and Performance of MgO-C Resin Bonded Refractories Used on the Slag Line of Ladles of a Basic Oxygen Steelmaking Plant. Metallurgical and Materials Transactions B, (15 p. ju). doi:10.1007/s11663-022-02569-4
NLM
Borges RAA, Antoniassi NP, Klotz LE, Carneiro C de C, Silva GFBL e. A Statistical and Self-Organizing Maps (SOM) Comparative Study on the Wear and Performance of MgO-C Resin Bonded Refractories Used on the Slag Line of Ladles of a Basic Oxygen Steelmaking Plant [Internet]. Metallurgical and Materials Transactions B. 2022 ;(15 p. ju):[citado 2024 abr. 27 ] Available from: https://doi.org/10.1007/s11663-022-02569-4
Vancouver
Borges RAA, Antoniassi NP, Klotz LE, Carneiro C de C, Silva GFBL e. A Statistical and Self-Organizing Maps (SOM) Comparative Study on the Wear and Performance of MgO-C Resin Bonded Refractories Used on the Slag Line of Ladles of a Basic Oxygen Steelmaking Plant [Internet]. Metallurgical and Materials Transactions B. 2022 ;(15 p. ju):[citado 2024 abr. 27 ] Available from: https://doi.org/10.1007/s11663-022-02569-4
Artigo de periodico
Mineral characterization of low-grade gold ore to support geometallurgy (2022)
Costa, Fabrizzio Rodrigues ; Nery, Guilherme Pinho ; Carneiro, Cleyton de Carvalho ; Kahn, Henrique ; Ulsen, Carina
Source: Journal of Materials Research and Technology. Unidade: EP
Subjects: CARACTERIZAÇÃO TECNOLÓGICA DE MINÉRIOS, MINÉRIOS, OURO
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
COSTA, Fabrizzio Rodrigues et al. Mineral characterization of low-grade gold ore to support geometallurgy. Journal of Materials Research and Technology, v. 21, p. 2841-2852, 2022Tradução . . Disponível em: https://doi.org/10.1016/j.jmrt.2022.10.085. Acesso em: 27 abr. 2024.
APA
Costa, F. R., Nery, G. P., Carneiro, C. de C., Kahn, H., & Ulsen, C. (2022). Mineral characterization of low-grade gold ore to support geometallurgy. Journal of Materials Research and Technology, 21, 2841-2852. doi:10.1016/j.jmrt.2022.10.085
NLM
Costa FR, Nery GP, Carneiro C de C, Kahn H, Ulsen C. Mineral characterization of low-grade gold ore to support geometallurgy [Internet]. Journal of Materials Research and Technology. 2022 ;21 2841-2852.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.jmrt.2022.10.085
Vancouver
Costa FR, Nery GP, Carneiro C de C, Kahn H, Ulsen C. Mineral characterization of low-grade gold ore to support geometallurgy [Internet]. Journal of Materials Research and Technology. 2022 ;21 2841-2852.[citado 2024 abr. 27 ] Available from: https://doi.org/10.1016/j.jmrt.2022.10.085
Parte de monografia/livro
Ciência de dados e inteligência artificial na engenharia de reservatórios de petróleo (2022)
Carneiro, Cleyton de Carvalho ; Oliveira, Lucas Abreu Blanes de
Source: Engenharia, inovação e desenvolvimento sustentável. Unidade: EP
Subjects: ENGENHARIA, INDÚSTRIAS, INOVAÇÕES TECNOLÓGICAS, DESENVOLVIMENTO SUSTENTÁVEL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CARNEIRO, Cleyton de Carvalho e OLIVEIRA, Lucas Abreu Blanes de. Ciência de dados e inteligência artificial na engenharia de reservatórios de petróleo. Engenharia, inovação e desenvolvimento sustentável. Tradução . Cotia: Ateliê Editorial, 2022. . . Acesso em: 27 abr. 2024.
APA
Carneiro, C. de C., & Oliveira, L. A. B. de. (2022). Ciência de dados e inteligência artificial na engenharia de reservatórios de petróleo. In Engenharia, inovação e desenvolvimento sustentável. Cotia: Ateliê Editorial.
NLM
Carneiro C de C, Oliveira LAB de. Ciência de dados e inteligência artificial na engenharia de reservatórios de petróleo. In: Engenharia, inovação e desenvolvimento sustentável. Cotia: Ateliê Editorial; 2022. [citado 2024 abr. 27 ]
Vancouver
Carneiro C de C, Oliveira LAB de. Ciência de dados e inteligência artificial na engenharia de reservatórios de petróleo. In: Engenharia, inovação e desenvolvimento sustentável. Cotia: Ateliê Editorial; 2022. [citado 2024 abr. 27 ]
Trabalho de evento-resumo
Classificação sísmica multi-atributos na Formação Barra Velha do Campo de Búzios a partir de algoritmos de aprendizado não-supervisionado (2022)
Gorla, Felipe Ferreira Luiz; Cardoso, Gustavo Luan; Carneiro, Cleyton de Carvalho ; Henrique, André; Penteado, Henrique Luiz de Barros
Source: Anais. Conference titles: Simpósio de Quantificação em Geociências. Unidade: EP
Assunto: PRÉ-SAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GORLA, Felipe Ferreira Luiz et al. Classificação sísmica multi-atributos na Formação Barra Velha do Campo de Búzios a partir de algoritmos de aprendizado não-supervisionado. 2022, Anais.. Campinas: UNICAMP, 2022. Disponível em: http://www.geoquantificacao.com.br/. Acesso em: 27 abr. 2024.
APA
Gorla, F. F. L., Cardoso, G. L., Carneiro, C. de C., Henrique, A., & Penteado, H. L. de B. (2022). Classificação sísmica multi-atributos na Formação Barra Velha do Campo de Búzios a partir de algoritmos de aprendizado não-supervisionado. In Anais. Campinas: UNICAMP. Recuperado de http://www.geoquantificacao.com.br/
NLM
Gorla FFL, Cardoso GL, Carneiro C de C, Henrique A, Penteado HL de B. Classificação sísmica multi-atributos na Formação Barra Velha do Campo de Búzios a partir de algoritmos de aprendizado não-supervisionado [Internet]. Anais. 2022 ;[citado 2024 abr. 27 ] Available from: http://www.geoquantificacao.com.br/
Vancouver
Gorla FFL, Cardoso GL, Carneiro C de C, Henrique A, Penteado HL de B. Classificação sísmica multi-atributos na Formação Barra Velha do Campo de Búzios a partir de algoritmos de aprendizado não-supervisionado [Internet]. Anais. 2022 ;[citado 2024 abr. 27 ] Available from: http://www.geoquantificacao.com.br/
Trabalho de evento-resumo
Análise de agrupamentos como ferramenta para compartimentação de tipos de águas de formação no Campo de Búzios (2022)
Gorla, Felipe Ferreira Luiz; Nogueira, Jordão Douglas de Lima; Santos, Saulo Bertolino dos; Fontes, Rosane Alves; Sacorague, Luis Alexandre; Henrique, Andre; Penteado, Henrique Luiz de Barros; Carneiro, Cleyton de Carvalho
Source: Anais. Conference titles: Simpósio de Quantificação em Geociências. Unidade: EP
Assunto: PRÉ-SAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
GORLA, Felipe Ferreira Luiz et al. Análise de agrupamentos como ferramenta para compartimentação de tipos de águas de formação no Campo de Búzios. 2022, Anais.. Campinas: UNICAMP, 2022. Disponível em: http://www.geoquantificacao.com.br/. Acesso em: 27 abr. 2024.
APA
Gorla, F. F. L., Nogueira, J. D. de L., Santos, S. B. dos, Fontes, R. A., Sacorague, L. A., Henrique, A., et al. (2022). Análise de agrupamentos como ferramenta para compartimentação de tipos de águas de formação no Campo de Búzios. In Anais. Campinas: UNICAMP. Recuperado de http://www.geoquantificacao.com.br/
NLM
Gorla FFL, Nogueira JD de L, Santos SB dos, Fontes RA, Sacorague LA, Henrique A, Penteado HL de B, Carneiro C de C. Análise de agrupamentos como ferramenta para compartimentação de tipos de águas de formação no Campo de Búzios [Internet]. Anais. 2022 ;[citado 2024 abr. 27 ] Available from: http://www.geoquantificacao.com.br/
Vancouver
Gorla FFL, Nogueira JD de L, Santos SB dos, Fontes RA, Sacorague LA, Henrique A, Penteado HL de B, Carneiro C de C. Análise de agrupamentos como ferramenta para compartimentação de tipos de águas de formação no Campo de Búzios [Internet]. Anais. 2022 ;[citado 2024 abr. 27 ] Available from: http://www.geoquantificacao.com.br/
Trabalho de evento-resumo
Cluster analysis using unsupervised algorithms for electrofacies classification in the Ariri Formation: Santos Basin (2022)
Carneiro, Cleyton de Carvalho ; Gorla, Felipe Ferreira Luiz
Source: Rio Oil and Gas Expo and Conference. Conference titles: Rio Oil & Gas Expo and Conference. Unidade: EP
Assunto: PRÉ-SAL
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
ABNT
CARNEIRO, Cleyton de Carvalho e GORLA, Felipe Ferreira Luiz. Cluster analysis using unsupervised algorithms for electrofacies classification in the Ariri Formation: Santos Basin. 2022, Anais.. Rio de Janeiro: IBP, 2022. Disponível em: https://doi.org/10.48072/2525-7579.rog.2022.001. Acesso em: 27 abr. 2024.
APA
Carneiro, C. de C., & Gorla, F. F. L. (2022). Cluster analysis using unsupervised algorithms for electrofacies classification in the Ariri Formation: Santos Basin. In Rio Oil and Gas Expo and Conference. Rio de Janeiro: IBP. doi:10.48072/2525-7579.rog.2022.001
NLM
Carneiro C de C, Gorla FFL. Cluster analysis using unsupervised algorithms for electrofacies classification in the Ariri Formation: Santos Basin [Internet]. Rio Oil and Gas Expo and Conference. 2022 ;[citado 2024 abr. 27 ] Available from: https://doi.org/10.48072/2525-7579.rog.2022.001
Vancouver
Carneiro C de C, Gorla FFL. Cluster analysis using unsupervised algorithms for electrofacies classification in the Ariri Formation: Santos Basin [Internet]. Rio Oil and Gas Expo and Conference. 2022 ;[citado 2024 abr. 27 ] Available from: https://doi.org/10.48072/2525-7579.rog.2022.001

USP Schools

ReP

Filtros

Document Types

Departament

Authors

USP affiliated authors

Date published

Subjects

Source title

Publisher

Conference titles

Countries/Territories

Funding Agencies

Normalized affiliation

Non normalized affiliation