Deterministic versus unsupervised machine learning approach for facies modeling within the Late Devonian Duvernay Formation, Western Canada Sedimentary Basin, Alberta
Notice bibliographique
Résumé
ABSTRACT Facies interpretation from wire-line logs has traditionally been performed through comparison of core-observed facies distributions and associated log response, from which log-based, deterministic algorithms are developed for facies prediction in wells lacking core control. In contrast, stochastic unsupervised learning analyzes and automatically clusters recurring well log data associations without calibration to core observations. Using petrophysical and core description data collected from the Late Duvernay Formation of Alberta, Canada, this study investigates whether unsupervised machine learning detects lithologic attributes at higher resolution than the traditional deterministic approach. The unsupervised machine learning methodology nonnegative matrix factorization with k-means clustering (NMFk) is applied to identify recurring petrophysical groups independent of core observations. The NMFk groups are compared to four depositional facies associations independently predicted through deterministic assignment of well log cutoffs established by comparing log response to core-observed facies association distributions. Depositional facies associations include the undifferentiated Ireton Shale that overlies the Duvernay and the open to transitional basin, restricted basin, and allochthonous basinal carbonates of the Duvernay. Four NMFk groups are identified; three groups coincide with varying shale lithologies and one group with carbonate lithologies. All of the groups are similar to the depositional facies associations recognized by the deterministic approach. In addition, NMFk partitions the deterministic restricted basin facies association into subdivisions that are likely distinguished by unique petrophysical responses related to variations in organic richness and associated matrix pore fluid.
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 | 0,000 |
| 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 ».