Data Mining and Unsupervised Machine Learning in Canadian In Situ Oil Sands Database for Knowledge Discovery and Carbon Cost Analysis
Notice bibliographique
Résumé
Alberta’s oil sands (bitumen) extraction critically affects Canada’s ability to meet its commitment to the Paris Climate Change Agreement. However, few studies have published the actual operation data for extraction operations (schemes), especially fuel consumption data. In this study, we applied data mining techniques to Petrinex – a publicly available data warehouse for the oil and gas industry in Canada and extracted actual operating data for 20 schemes from over 35 million monthly records for the period of 2015 to 2019. The average of fuel gas (mainly natural gas) use was 0.29 103m3/m3 bitumen. The schemes with Steam Assisted Gravity Drainage (SAGD) used 0.27 103m3 fuel to produce 1 m3 bitumen. The schemes with Cyclic Steam Stimulation (CSS) used 0.44 103m3 fuel to produce 1 m3 bitumen. The weighted average of emission intensity (EI) was 0.44 t CO2e/m3 undiluted bitumen (70 kg CO2e/bbl). The weighted average EI for SAGD was 0.39 t CO2e/m3 (62 kg CO2e/bbl), and the weighted average EI for CSS was 0.65 t CO2e/m3 (103 kg CO2e/bbl). We also used two unsupervised machine learning methods for knowledge discovery: clustering and association rule. The clustering implied that the CSS method was less efficient than the SAGD recovery method based on energy use and steam to oil ratio (SOR). The clustering also indicated that the production region did not affect interactions between steam and bitumen. The association rule suggested that the occurrence of gas co-injection implied the occurrence of low SOR, {Gas | Co-injection} {Low | SOR} (support:19%, confidence:93%, lift:1.9). Finally, we analyzed the carbon cost. Using the GHG emission limit set by Alberta carbon regulation, the average carbon cost accounted for 2% ($ t CO2e/ $ m3 undiluted bitumen) and $8/m3 (US $1.3/bbl) of undiluted bitumen price when the carbon price was CAD $30/t CO2e and undiluted bitumen price was $326/m3 (US $39/bbl).
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 | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,011 | 0,016 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».