MétaCan
Menu
Retour à la cohorte
Enregistrement W2592886134 · doi:10.1002/cjg2.30022

A CONNECTED DOMAIN IDENTIFICATION METHOD AND ITS APPLICATION IN QUANTITATIVE PICKUP OF CAVE INFORMATION USING ELECTRIC IMAGING LOGGING

2016· article· en· W2592886134 sur OpenAlexaff
LIANG Qiang, LI Zun-Zhi, Bin Geng, KOU Xiao-Pan, Yong Hu

Notice bibliographique

RevueChinese Journal of Geophysics · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensPetro-Canada
Organismes subventionnairesSouthwest UniversitySouthwest Petroleum UniversityState Key Laboratory of Oil and Gas Reservoir Geology and ExploitationNational Natural Science Foundation of China
Mots-clésBinary imageCaveRoundness (object)Computer sciencePixelBinary numberArtificial intelligenceGeologySegmentationImage processingImage (mathematics)Computer visionMathematicsGeometry

Résumé

récupéré en direct d'OpenAlex

Abstract Solution caves are important fluid reservoir space in carbonate reservoir, and researching FMI images' caves connected domain labeling and extracting their information are meaningful. A high resolution color image can be obtained after data processing of FMI. After a series of processes which include image graying, median filtering and threshold segmentation for the color image, a binary image will be obtained which can reflect the characteristic of solution caves on the wall of a well. And on the image, caves are black spots which are labeled by same number. The labeling algorithm for image connected domain based on equivalence pair processing has the advantages of fast and no‐repeat labeling, which can eliminate equivalent pairs while labeling connected domain. The solution caves in the binary image can be marked from small to large number accurately by this arithmetic, in addition, the information of every connected domain including holes' size, grading factor, area of connected domains (areal porosity) and roundness can be extracted and processed. Using the labeled binary image can calculate porosity curve which reflects development degree of caves, and based on this curve the image can be divided into several layers. On this basis, the information distribution of areal porosity, holes' size, roundness and grading factor of every layer can be calculated easily. At last, all of these informations will be used to quantitatively evaluate the carbonate reservoir which has strong heterogeneity and lots of solution caves. And this work is also a helpful exploration for quantitative extracting of cave information from FMI images.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,008
Tête enseignante GPT0,265
Écart entre enseignants0,257 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChinese Journal of GeophysicsMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207