Introduction to the Special Edition from the 2014 Gussow Conference on Advances in Applied Geomodeling
Notice bibliographique
Résumé
Geomodeling has proliferated among earth science and engineering professionals as a body of techniques, software packages, and workflows for subsurface reservoir characterization. Although not a recognized professional discipline or university degree option, geomodeling is a multidisciplinary subject with a growing technical community. Geomodeling is treated as an enabling technical field and focal point in the petroleum industry subsurface teams, with major software development dedicated to the subject and practitioners assuming the role and title. The broad subject typically draws from the fields of geology, geophysics, geostatistics, petrophysics, reservoir engineering, and increasingly geomechanics, computer science, and data analytics. The field of geostatistics is a fundamental aspect of geomodeling, providing many core algorithms. The other associated fields provide concepts, context, inputs, constraints, and direction for the technology applications and for multidisciplinary team efforts to deliver meaningful models and results. The motivation for companies is to pursue exploration, development, and production with increased efficiency and sustainability. The geomodeling proposition is to add value through improved reservoir management decisions. More accurate and precise geomodels lead to improved well planning and prediction of the behavior of alternative extraction technologies. Thus, geomodeling will improve recovery and reduce risk. Yet, gaps exist between the application of geomodeling, geostatistical methods, capabilities of software tools, and appropriate practice and ease of use. With …
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) | 0,000 | 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 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 ».