MétaCan
Menu
Retour à la cohorte
Enregistrement W2284497394 · doi:10.11575/prism/26569

Integrated Interpretation of Microseismic with Surface Seismic Data in a Tight Gas Reservoir, Central Alberta, Canada

2015· dissertation· en· W2284497394 sur OpenAlexfundaboutno aff
Aamir Rafiq

Notice bibliographique

RevuePRISM (University of Calgary) · 2015
Typedissertation
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensnon disponible
Organismes subventionnairesMicroseismic Industry ConsortiumConocoPhillips
Mots-clésMicroseismTight gasSeismologyGeologyInterpretation (philosophy)Petroleum engineeringHydraulic fracturingComputer science

Résumé

récupéré en direct d'OpenAlex

Integrated interpretation of microseismicity with surface seismic data can provide valuable information about reservoir characteristics, mechanical stratigraphy, induced and pre-existing fracture systems. Although there are numerous integrated studies that focus on unconventional plays, relatively little attention has been given to tight gas environments. Typical interpretation of microseismic data focuses on the spatial and temporal distribution of microseismic events to estimate stimulated reservoir volume and, in some cases, to infer the character and geometry of discrete fracture networks. This thesis describes a methodology for integrated interpretation of 3D seismic data with microseismicity recorded during the open hole stimulation of two horizontal treatment wells of a tight-sand unit deposited in the Hoadley field, a Cretaceous marine barrier-bar complex in Western Canada. I introduce a novel approach, Microseismic Facies Analysis (MFA), to extract additional information from microseismic clusters. The interpreted microseismic facies are then correlated with surface seismic attributes in order to delineate reservoir partitions that are interpreted to reflect lithofacies variations associated with depositional trends.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,028
Score d'incertitude au seuil0,062

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,009
Tête enseignante GPT0,194
Écart entre enseignants0,184 · 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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePRISM (University of Calgary)Même sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207