Applying principal component analysis to seismic attributes for interpretation of evaporite facies: Lower Triassic Jialingjiang Formation, Sichuan Basin, China
Notice bibliographique
Résumé
Abstract In China and elsewhere, it is important to predict different lithologies and lithofacies for hydrocarbon exploration in a mixed evaporite-carbonate-siliciclastic system. The lower section of the second member of the Jialingjiang Formation (T1j2L) is mainly composed of anhydrite, dolostone, limestone, and siliciclastic rocks, providing a rare opportunity to reconstruct detailed facies in a 2500 km2 3D seismic survey with 31 wells. Wireline logs (sonic, density, and gamma ray) calibrated by core analysis are essential in distinguishing anhydrite, siliciclastics, and carbonates. Although different lithologies are characterized by different acoustic impedance (AI), with certain overlapping, it is still difficult to predict lithology by any single seismic attribute because of the limited seismic resolution in a thinly interbedded formation of multiple lithologies. In our study, principal component analysis (PCA) was applied to extract lithologic information from selected seismic attributes; the first two principal components were used to predict the content of anhydrite, siliciclastics, and carbonates. Content maps of anhydrite, siliciclastics, and carbonates — created by mixing the represented color — were used to reconstruct lithofacies of the T1j2L submember. It is quite difficult, even with the PCA approach, to uniquely resolve the three lithologies due to the overlapped AI and the limited resolution of the seismic data. However, the workflow that we evaluated dramatically improved the prediction accuracy of lithology and lithofacies. Facies transition during the deposition of the T1j2L submember in the study area was inferred from a paleo-uplift in the southwest to a restricted lagoon and then to an open marine setting in the northeast.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».