MétaCan
Menu
Retour à la cohorte
Enregistrement W2061956965 · doi:10.1002/gj.1196

Applications of digital outcrop models: two fluvial case studies from the Triassic Wolfville Fm., Canada and Oukaimeden Sandstone Fm., Morocco

2009· article· en· W2061956965 sur OpenAlexaboutno aff
Xavier M. T. van Lanen, David Hodgetts, Jonathan Redfern, I. Fabuel-Perez

Notice bibliographique

RevueGeological Journal · 2009
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOutcropGeologyFluvialDigital dataChannel (broadcasting)Remote sensingLidarData miningComputer scienceGeomorphologyTelecommunications

Résumé

récupéré en direct d'OpenAlex

Abstract The application and benefits of employing digital outcrop models (DOMs) are discussed using two Triassic fluvial case studies to demonstrate data collection and integration methods. Developments in data analysis techniques are examined to demonstrate their utility for collecting meaningful and reliable statistical information needed to build realistic stochastic reservoir models. To establish a significant geostatistical dataset a large number of accurate observations are required. It is difficult to get the necessary statistics using subsurface data alone, due to the limited resolution and/or areal coverage of respectively seismic and well data. Outcrop studies are, therefore, commonly utilized to provide analogue statistical information (e.g. channel width, length, thickness and thickness vs. width ratio). Traditional data collection methods used in the field are however largely restricted to areas with (easy) physical access, or using remote observations with limited accuracy, such as photographic methods. Digital data collection techniques such as LiDAR (Light Detection and Ranging) and differential GPS allow more accurate measurements, as well as from previously inaccessible locations, to be taken of sedimentary architecture. The technique generates much larger volumes of measurements, as the area from which accurate data can be extracted is increased. This offers a more meaningful statistical dataset, hence reducing uncertainty in the final reservoir model. Both case studies, the Oukaimeden Sandstone Formation (OSF), Morocco and Wolfville Formation, Canada, are from Late Triassic braided fluvial systems. The OSF dataset has been used to illustrate how geometric information of channel width versus thickness relationships (W:T) are collected using a projection plane technique. The results show W:T variations between 3.49:1 in the Lower Oukaimeden member, 1.54:1 in the Middle Oukaimeden member and 3.75:1 in the Upper Oukaimeden member, demonstrating the observed architectural evolution of the fluvial system. The Wolfville Formation case study shows how DGPS in combination with LiDAR data has been used to more accurately map faults to obtain statistical information on fault orientation (NE–SW) and length (mean = 38.3 m and median = 18.2 m). Another applied analysis technique utilizes a facies classified point‐cloud to aid surface correlations between sedimentary logs and construct a log based correlation panel from which estimates of facies frequencies are derived. Copyright © 2009 John Wiley & Sons, Ltd.

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)0,002
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,563
Score d'incertitude au seuil0,869

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,036
Tête enseignante GPT0,292
Écart entre enseignants0,256 · 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

Citations20
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeological JournalMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207