Multidisciplinary Thermal Maturity Studies Using Vitrinite Reflectance and Fluid Inclusion Microthermometry: A New Calibration of Old Techniques
Notice bibliographique
Résumé
Abstract A critical component of petroleum exploration risk assessment involves quantifying the risks associated with the presence of a viable hydrocarbon system. This requires an accurate estimate of thermal maturity and thermal history. However, in some sedimentary basins, traditional organic-based maturity tools such as vitrinite reflectance cannot be used because of various geologic and sampling limitations. This article establishes fluid inclusion microthermometry as a new inorganic thermal maturity tool that can be used to help fill the void in these situations. This tool uses an empirical calibration of fluid inclusion data and vitrinite reflectance data to estimate thermal maturity. Our empirical approach uses rigorous sample selection criteria that improve the statistical chance of analyzing aqueous fluid inclusions that have been thermally reequilibrated (stretched). This empirical calibration is based on a worldwide set of data that yield a logarithmic correlation having r2 = 0.96 for an ideal sample set and r2 = 0.81 for a nonideal sample set. The amount of data scatter (absolute deviation of measured vitrinite reflectance in % Ro) from the logarithmic correlation line is minimal (±0.12% Ro for the ideal data set). This new calibration, along with the sample selection and data analysis procedures described in this study, forms the basis for a new thermal maturity 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.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».