From a regional AVA screening to focused elastic attributes estimation: An integrated solution from seismic acquisition to reservoir characterization
Notice bibliographique
Résumé
Understanding the elastic properties of reservoirs in exploration can be very challenging – due mainly to the lack of well information, limited regional geological understanding, and the quality and reliability of seismic data available. This case study illustrates how this challenge can be addressed through an integrated solution from broadband seismic acquisition to elastic properties, applied recently to the underexplored deep-water Orphan Basin, offshore Eastern Canada. A multisensor seismic dataset covering close to 22,500 km2 was acquired over three seasons (from 2017 to 2019) and now constitutes a great platform for understanding the geology as well as extracting elastic properties. The understanding of the prospectivity was performed at the regional scale, then on more localized area using one of the very few wells present in the area. On this localized area the newest depth imaging technologies with Full Waveform Inversion (FWI) and Least-Squares Migration (LSM) were used. In addition, a three term Amplitude Versus Angle (AVA) inversion was performed and matched at the well without using the well actively in the process but by using the broadband seismic data only: velocity and amplitude. Turnaround time was also a key element in this regional project. To significantly reduce this, an integrated team of imaging and quantitative interpretation specialists was dedicated to the project from the start. Pre-stack AVO QC was performed iteratively during the processing to ensure that the final pre-stack data was fit for purpose and AVO/AVA compliant for further Quantitative Interpretation (QI) analysis. Presentation Date: Monday, October 12, 2020 Session Start Time: 1:50 PM Presentation Time: 2:15 PM Location: 361A Presentation Type: Oral
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 ».