Considerations When Ranking Stochastically Modeled Oil Sands Resource Models for Mining Applications
Notice bibliographique
Résumé
Abstract Traditional oil sands mining operations have used deterministic techniques to create a single resource model for mine planning. Stochastic modeling, commonly used for in situ oil sands evaluation, provides more realistic geology and allows for multiple realizations, which mining operations can use to assess the variability of recoverable bitumen volume estimates and develop mine plans accordingly. The existence of multiple realizations makes it possible to measure uncertainty, but eventually detailed mine planning will proceed based on a single realization. This paper discusses the processes of stochastic modeling and of determining the appropriate single realization for mine planning as applied to an oil sands mine currently in the planning stage (Fort Hills). Geological models for mining operations have less uncertainty than models for in situ operations due to the much closer drill hole spacing and the better understood recovery process for mining, but the level of uncertainty is not zero. The same techniques that are currently being used to assess uncertainty for in situ oil sands leases can be applied to mining leases to quantify uncertainty for mine planning. In the case of Fort Hills, 100 realizations of ore grade were created using conditional simulation. Ranking solely by total bitumen in place was insufficient, so a new measure of heterogeneity related to vertical ore-waste changes was developed and is discussed in this paper. These two measures were combined to rank the realizations and to select mid, high, and low cases. The combined ranking resulted in ordering the realizations in a way that correlated with other measures of recoverable resource volumes, and lends support to the choice of the "mid" model (centrally located in the ranking) for use in detailed mine planning. The conditional simulation for Fort Hills marks the first time that stochastic modeling has been applied to full field modeling and then used for mine planning in an oil sands mine. The ranking method, including the methodology for assessing mining heterogeneity, is new and heretofore unpublished, and is the ultimate topic for discussion in this paper.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».