MétaCan
Menu
Retour à la cohorte
Enregistrement W2049889146 · doi:10.1071/aseg2001ab152

Seismic reprocessing contributes to development success at the Elang Field, Northern Bonaparte Basin

2001· article· en· W2049889146 sur OpenAlexaff
Ian F. Young, Wolter Phil, Michael J. Raymondi, Donna M. Mayo, Spencer Quam

Notice bibliographique

RevueASEG Extended Abstracts · 2001
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensPetro-Canada
Organismes subventionnairesnon disponible
Mots-clésGeologyStructural basinDrillSeismologyPetroleum engineeringGeomorphologyEngineering

Résumé

récupéré en direct d'OpenAlex

The 3D data set over the Elang Field, Northern Bonaparte Basin, was reprocessed to provide greater confidence in mapping the structural configuration of the field and to investigate infield development opportunities. The original (1994) data set, which was acquired and processed in the inline (strike) direction, suffered from poor resolution and reflection coherency and multiple contamination at the reservoir level.The reprocessing strategy included rebinning and HVA analysis in the dip direction followed by radon demultiple applied close to the HVA velocities. The result was a significant improvement in resolution of reservoir horizons and faults. Interpretation of the reprocessed data yielded a simpler structural picture of the Elang Field with the crestal area interpreted as a simple rollover with little or no erosion of the reservoir section. The interpretation also confirmed significant attic oil potential in vicinity of Elang-1. This potential was tested in January 2000 by Elang-1/STl which intersected the reservoir 28 m up dip of Elang-1 and close to the prognosed depth. Production from the well has exceeded pre-drill predictions and added substantial incremental reserves to the field. This has increased value to the project and extended the life of the Elang production facility.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,049
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,014
Tête enseignante GPT0,267
Écart entre enseignants0,253 · 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'étudeObservationnel
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
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueASEG Extended AbstractsMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207