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

Cette étude évalue l'application du pré-entraînement par Masked Autoencoders (MAE) pour la prédiction des métriques de forage en fond de trou, face à l'asymétrie des données de télémétrie. Sur des données de forage réelles, le MAE a réduit l'erreur absolue moyenne de test de 19,8% par rapport aux modèles GRU supervisés pour la prédiction du volume total de boue.