An Exact Downscaling Methodology in Presence of Heterogeneity: Application to the Athabasca Oil Sands
Notice bibliographique
Résumé
Abstract Geostatistical realizations are often built at an arbitrary scale based on available data and computational resources. In certain settings, it may be necessary to downscale the realizations for flow simulation and local resource assessment. This is especially important in the Athabasca Oilsands where accurate flow simulation often requires numerical models with a very fine grid size. Flow simulation is undertaken for selected areas and realizations. It is intractable to construct the original geostatistical models at the fine scale. It is desirable to construct finer scale models that reproduce the original realizations exactly. Approximate downscaling is always possible with geostatistical methods; however, it is of interest to create fine scale models that exactly reproduce the large scale models to ensure consistency and avoid potential biases. Direct block sequential simulation is developed to generate fine scale realizations that exactly reproduce block data. A comprehensive case study is shown from the Athabasca Oilsands. Geostatistical realizations are constructed over 100s of square kilometers at a large scale. These realizations are locally downscaled to 20m by 2m by 2m for flow simulation around particular SAGD well pairs. The fine scale realizations are constructed such that they exactly match the initial coarse scale realizations. An approximate downscaling method is also used. The 3-D models and flow simulation results were compared to show the difference made by the exact downscaling method.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».