Inference of 2D and 3D locally varying anisotropy fields for complex geological formations
Notice bibliographique
Résumé
Many geostatistical techniques perform better when anisotropy is considered to be locally varying, but there are few techniques available for inferring the necessary locally varying anisotropy (LVA) field. All geostatistical modeling methodologies assume a form of stationarity; one common assumption is second order stationarity where anisotropy is considered to be globally constant. This assumption is often geologically inappropriate and requires geostatisticians to subdivide the modeling area into stationary domains, thereby increasing the required professional time for modeling and potentially producing disjointed domains that are globally inconsistent. Existing algorithms can be modified to relax the assumption of second order stationarity, for example: multiple point statistics with local pattern reorientation; local kriging search reorientation, and; kriging with LVA. These techniques require an exhaustive model of the local orientation and magnitude of anisotropy, termed an LVA field. In practice there are rarely direct measurements of the LVA field, even local dipmeter data can be unreliable due to the discrepancy between the measurement of small scale anisotropy and the larger block scale anisotropy required for modeling. The focus of this work is to develop a suite of methodologies for LVA field inference from various 2D or 3D data sources. No single methodology is appropriate for all deposits because local geology and data availability vary. Methodologies presented for inference of 2D LVA fields include (1) manual feature interpolation (2) structure tensor, and (3) polylines. Methodologies for inference of 3D LVA fields are similar but require additional considerations for visualization and checking. Techniques are demonstrated with real data when available, examples include: a porphyry deposit and a uranium role front deposit. Recommendations to aid in technique selection are provided and are largely determined by the nature of the data available and the geometry of the formation under study.
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 ».