A Hybrid Tabular-Spatial-Temporal Model with 3D Geo-Model for Production Prediction in Shale Gas Formations
Notice bibliographique
Résumé
Abstract The evolution of shale gas production has reshaped North America's energy profile. Utilizing the vast amounts of data generated from production and operations, machine learning offers significant advantages in production forecasting and performance optimization. This study proposed a pioneering hybrid model integrating tabular, spatial, and temporal modalities to enhance production forecasting in unconventional shale gas reservoirs. Despite traditional methods such as artificial neural networks (ANN) and XGBoost, which rely solely on tabular data for training and prediction, this study proposes a novel 3D-parameterization method. This approach tokenizes the formation property distribution into 3-axis tensors, enabling a more comprehensive representation of spatial data. Then, a 3D-convolutional neural network (3D-CNN) with the attention mechanism module was established to process the created spatial data. For temporal modality, the long short-term memory (LSTM) module was used to accept the dynamic input and predict the monthly production simultaneously. A total of 677 wells data from Duvernay formation was collected, pre-processed and fed into the according module based on their modality. The results show that the model combined three modalities achieved an impressive level of accuracy, with a coefficient of determination (R2) of 0.8771, surpassing the tabular (0.7841) and tabular-spatial (0.8230) modalities models. Additionally, global optimization was applied to further enhance the model performance by optimizing the architecture of each module and model hyperparameters, and a 1.88% improvement was achieved from the empirical design. These advancements set a new benchmark for predictive modelling in unconventional shale gas reservoirs, highlighting the importance of utilizing data from different modalities in improving production forecast prediction.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».