MétaCan
Menu
Retour à la cohorte
Enregistrement W1506385592 · doi:10.3968/6718

Evaluating Efficacy of the Separate Layer Water Injection of the Wells by Using Fuzzy Comprehensive Evaluation Method

2015· article· en· W1506385592 sur OpenAlexvenueno aff
Zhao Chun-sen, Guangjie Wang, Tao Bo, Zhong Ting

Notice bibliographique

RevueAdvances in petroleum exploration and development · 2015
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueGeological Modeling and Analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLayeringWater injection (oil production)Fuzzy logicEvaluation methodsPetroleum engineeringEngineeringComputer scienceReliability engineeringArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

It can directly reflect the effect of injection wells before and after the layering water injection by evaluating the layering water injection wells. In view of the uncertainties on the impact of various factors of injection well group, it can establish a series of quantitative method which is suitable for the evaluation of well group. Prior to the evaluation of water injection wells group, it is necessary to make evaluation of the existing wells. This study uses the fuzzy comprehensive evaluation method to calculate comprehensive evaluation coefficient of well group to judge the nature of each well group. According to the calculation of the comprehensive evaluation coefficient of E2 which is combined with the actual geological and development condition of Ba fault block 17, it can not only find the increasing relation between E2 values and water injection effect, but also evaluate the effect of water injection well group, which can determine whether symmetry layering water injection is reasonable or not. Key words: Layering water injection; Quantitative methods; Evaluation; Nature factor; Fuzzy comprehensive evaluation Key words: Layering water injection; Quantitative methods; Evaluation; Nature factor; Fuzzy comprehensive evaluation

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,137
Tête enseignante GPT0,363
Écart entre enseignants0,226 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in petroleum exploration and developmentMême sujetGeological Modeling and AnalysisTravaux en français237 207