MétaCan
Menu
Retour à la cohorte
Enregistrement W3121462484 · doi:10.3997/1365-2397.25.1107.27460

Crosswell imaging provides detail for optimizing reservoir development

2007· article· en· W3121462484 sur OpenAlexaboutno aff
M. McCallum

Notice bibliographique

RevueFirst Break · 2007
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologyUnconventional oilPetroleum engineeringRedevelopmentResource (disambiguation)Submarine pipelineEnvironmental geologyTight gasFossil fuelHydraulic fracturingTectonicsSeismologyEngineeringMetamorphic petrologyCivil engineeringPaleontologyComputer scienceOil shaleGeotechnical engineering

Résumé

récupéré en direct d'OpenAlex

Mark McCallum, Z-Seis Corporation, Calgary, Canada provides some case studies to highlight the benefits of crosswell seismic in making exploration and development decisions. New challenges are being faced by oil and gas producers as conventional hydrocarbon resources continue to dwindle. The focus in the industry is shifting from developing new conventional reserves to maximizing the potential of existing reserves. Exploration is now shifting to either unconventional reserves such as oil sands, tight gas, and coal bed methane or remote locations such as the arctic and deep water offshore. In both cases, development of new resources and redevelopment of mature fields, crosswell seismic can deliver unprecedented resolution to solve reservoir issues in the interwell space. At critical junctures in the life of a reservoir, development decisions are made that can dramatically increase value, if they are based on a precise understanding of reservoir architecture. During the last decade, 3D surface seismic has supplied information about the reservoir that has driven exploration and development decisions. However, today crosswell seismic technology is emerging as an effective new tool in characterizing the unconventional resource reservoir and in optimizing the development of mature fields.

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: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,097

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0290,005

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 Opus0,021
Tête enseignante GPT0,271
Écart entre enseignants0,250 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFirst BreakMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207