Direct Geostatistical Simulation With Multiscale Well, Seismic, and Production Data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Multiple realizations of facies, porosity, and permeability are used for better representation of reservoir heterogeneity for more accurate performance forecasting and uncertainty assessment. These geostatistical realizations must reproduce all available data to be reliable. The available well, seismic, and production data are at different scales and must be linked to the reservoir modeling scale. The most common geostatistical simulation algorithms call for a Gaussian or normal transformation. It is not possible to merge the data types after this non-linear transformation. This has led to development of "Direct" approaches for simulation and data integration. Considering the variables without transformation ensures reproduction of the different data and the prescribed covariance or variogram model; however, until now, the resulting global histogram of the simulated realizations is not reproduced. The problem is that there is no theory that specifies the shape of the conditional distributions. The mean and variance are determined from the well-known normal or simple kriging equations; however, theory has not existed to specify the shape of the conditional distributions. A number of ad-hoc solutions have been proposed, but they violate the data and artificially reduce the modeled space of uncertainty. This paper develops a theory for determination of the required distribution shapes and reproduction of the global histogram. The results have significant theoretical and practical consequences. Data from multiple sources and scales can be directly reproduced in reservoir models with no need for transformation. There is no need for ad-hoc post-processing transformation or correction schemes. Several applications with synthetic data are shown to illustrate the technique.
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.
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 | 0,000 | 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 découle