Using copulas for implementation of variable dependencies in petroleum resource assessment: Example from Beaufort-Mackenzie Basin, Canada
Notice bibliographique
Résumé
Abstract Petroleum resource potential modeling seeks to characterize undiscovered petroleum resources. This information from the modeling can contribute to a reduction in corporate risk while characterizing the commercial potential of the undiscovered resources. Such models consider different types of variable dependencies arising from geologic risk evaluation, volumetric calculation, and resource aggregation to higher geographic levels. Commonly, the available data are not sufficient to specify such variable correlations or interdependencies, particularly in frontier regions. It is also a challenge to formulate variable correlations in resource calculations because geologic variables have to be fit to a multivariate lognormal distribution or other specific multivariate distributions with an appropriate correlation structure. However, variable correlations are common among the geologic variables, and ignoring the interdependencies may lead to a serious bias in the resource potential estimation and the uncertainty range. Recent methodological developments in statistics indicate that the use of copulas permits more flexibility for the consideration and incorporation of variable interdependency, thus analogs can be introduced to problems where estimating correlation structures are impossible and wider choices of statistical distributions become available. This article proposes the use of copulas for handling variable dependency in petroleum resource assessment. The methods and procedures are illustrated using examples from a hypothetical data set and the crude oil resource appraisal of Tertiary clastic plays in Beaufort-Mackenzie Basin in Arctic Canada. Comparisons of crude oil resource estimates obtained using different correlation scenarios for these plays suggest that when positive correlations are used, the mean value of the oil resource is increased about 1.6 times that estimated, assuming a complete independence among the input variables.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 tête enseignante, 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 ».