MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307665985 · doi:10.2118/210990-ms

Not All Unconventional Reservoirs are Similar MENA Regional Vs Global Anisotropic Rock Index and Mechanical Characterization – Part 2

2022· article· en· W4307665985 sur OpenAlexaboutno aff
Eduardo Gramajo, Rached M. Rached

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPetrophysicsGeologyPermeability (electromagnetism)AnisotropyPetroleum engineeringIndex (typography)PorosityMining engineeringReservoir modelingCharacterization (materials science)Geotechnical engineeringComputer scienceMaterials scienceNanotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Improved understanding of unconventional formations requires advanced mechanical and index assessments to explore their complex geology, fissility, and anisotropic behavior. This publication is an extension of the work presented in (Gramajo and Rached 2022), which presented comprehensive datasets of unconventional rocks from China, the United States of America (USA), Canada, and Saudi Arabia. The datasets include the mineral composition, petrophysical parameters (Total Organic Carbon (TOC), porosity, and permeability), and mechanical properties (elastic parameters and compressive strength values). This paper extends the analysis to include unconventional formations from the Middle East and North Africa (MENA) datasets, specifically from Bahrain and the United Arab Emirates (UAE). The study enhances our understanding of the newly added rock formations and defines the rock analogs and initial parameters needed to tailor down-hole tools, fracturing fluids, and engineering processes. The results will help reduce the costs (equipment, sample preparation, and measurement time) associated with the initial experimental assessments and achieve higher production outcomes in the emerging reservoirs.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,021
Tête enseignante GPT0,228
Écart entre enseignants0,206 · 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'étudeObservationnel
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
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHydrocarbon exploration and reservoir analysis→Travaux en français237 207→