Do Masked Autoencoders Improve Downhole Prediction? An Empirical Study on Real Well Drilling Data

Este estudio evalúa el preentrenamiento con Masked Autoencoders (MAE) para la predicción de métricas de perforación en pozos, abordando la asimetría de etiquetado en datos de telemetría. Utilizando datos reales de perforación, el MAE redujo el error absoluto medio de prueba en un 19.8% en comparación con las líneas base GRU supervisadas para la predicción del Volumen Total de Lodo.