Application of the radial basis function neural network to the prediction of log properties from seismic attributes — A channel sand case study
Notice bibliographique
Résumé
PreviousNext No AccessSEG Technical Program Expanded Abstracts 2003Application of the radial basis function neural network to the prediction of log properties from seismic attributes — A channel sand case studyAuthors: Brian H. RussellDaniel P. HampsonLaurence R. LinesBrian H. RussellHampson‐Russell Software Services Ltd., Daniel P. HampsonHampson‐Russell Software Services Ltd., and Laurence R. LinesDepartment of Geology and Geophysics, University of Calgaryhttps://doi.org/10.1190/1.1817949 SectionsAboutPDF/ePub ToolsAdd to favoritesDownload CitationsTrack CitationsPermissions ShareFacebookTwitterLinked InRedditEmail Permalink: https://doi.org/10.1190/1.1817949FiguresReferencesRelatedDetailsCited ByA novel method for prediction of flowing pressure of multi-stage fracturing horizontal wellAIP Advances, Vol. 11, No. 7Surrogate Reservoir Model for Average Reservoir Pressure20 August 20173D seismic attributes and well-log facies analysis for prospect identification and evaluation: Interpreted palaeoshoreline implications, Weirman Field, Kansas, USAJournal of Petroleum Science and Engineering, Vol. 1333D Seismic attributes analysis to outline channel facies and reveal heterogeneous reservoir stratigraphy: Weirman Field, Ness County, Kansas, USAAbdelmoneam Raef, Matthew Totten, Charlotte Perdew, and Mazin Abbas21 October 2010Application of Artificial Neural Networks to Predicate Shale Content SEG Technical Program Expanded Abstracts 2003ISSN (print):1052-3812 ISSN (online):1949-4645Copyright: 2003 Pages: 2452 publication data© 2003 Copyright © 2003 Society of Exploration GeophysicistsPublisher:Society of Exploration Geophysicists HistoryPublished: 03 Jan 2005 CITATION INFORMATION Brian H. Russell, Daniel P. Hampson, and Laurence R. Lines, (2003), "Application of the radial basis function neural network to the prediction of log properties from seismic attributes — A channel sand case study," SEG Technical Program Expanded Abstracts : 454-457. https://doi.org/10.1190/1.1817949 Plain-Language Summary PDF DownloadLoading ...
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 ».