Passive‐seismic event‐classification techniques applied to heavy‐oil production from Cold Lake, Alberta
Notice bibliographique
Résumé
The CREWES Project at the University of Calgary is conducting research with Imperial Oil Limited concerning passive seismic monitoring of heavy oil production wells at Cold Lake, Alberta, Canada. This monitoring is required to proactively detect mechanical breakdowns in producing wells that can arise from the cyclic steam stimulation enhanced recovery process used to extract the viscous bitumen. These breakdowns induce microseisms that are recorded at the surface, resulting in the creation of a microseismic event file. Noise vibrations generated by pump rods or passing vehicles also trigger the passive seismic monitoring system and are recorded. Noise events comprise approximately 99% of all microseismic event files generated, but are generally not of interest and are usually discarded. The current classification software on this monitoring system incorrectly classifies a large portion of these files, resulting in many noise events being classified as microseisms worth further investigation. The objective is to develop accurate passive seismic signal analysis and classification algorithms capable of precisely distinguishing between microseismic event files warranting further investigation, also referred to as “good” event files, from noise event files that are generally not of interest. Compared to noise events, many “good” events generally have lower frequency content, shorter P-wave event-lengths, and flatter time-domain characteristics. Based on these observations, methods involving frequency-filtering, event-length detection, and statistical analysis are developed and combined into a MATLAB graphical user interface. Testing of this application on thousands of microseismic event files yields a classification accuracy between 96% and 99%, depending on the tested dataset. We aim to implement some of the developed algorithms on Imperial's passive seismic monitoring system at Cold Lake in the future, which would likely result in significant time-savings.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».