MétaCan
Menu
Retour à la cohorte
Enregistrement W6889785138 · doi:10.26233/heallink.tuc.84042

Analysis of well log data using time series models and geostatistical methods

2019· other· en· W6889785138 sur OpenAlexaboutno aff

Notice bibliographique

RevueTechnical University of Crete · 2019
Typeother
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVariogramInterpolation (computer graphics)Gumbel distributionWeibull distributionSeries (stratigraphy)Time seriesKrigingGaussianLog-normal distribution

Résumé

récupéré en direct d'OpenAlex

This thesis focuses on the statistical analysis of well log data from two hydrocarbon reservoirs located in Labrador Island, Western Newfoundland (Canada). The data is obtained from two onshore wells (Finnegan and Seamus). We focus on the analysis of four logs (spontaneous potential, Gamma radiation and two induction logs) from six different formations. The thesis has three main objectives: (i) to estimate the probability distributions and spatial correlations in data obtained from the same well, (ii) to evaluate cross-correlations between logs across the two different wells, and (iii) to explore methods for the reconstruction of missing well log data. With respect to the first objective, the exploratory statistical analysis indicates that the majority of the respective properties do not follow the Gaussian distribution. However, after removing an empirically determined trend function, the residuals are closer to the Gaussian distribution. The spontaneous potential and Gamma radiation indicators can be described by Cauchy and Gumbel distributions, while the induction indicators by means of the Gamma and Weibull distributions. Variogram analysis suggests that spontaneous potential and Gamma Radiation conform to the same type of theoretical variogram model with similar sill and range values. In reference to the second objective, the statistical analysis indicates weak cross correlations between log data measured at the two different wells. The Gamma radiation logs show both positive and negative cross correlations which are overall higher (in magnitude) than for the respective correlations for the other three logs. Regarding the third objective, the comparison of the performance of different imputation, interpolation and time series algorithms for gap filling indicates that linear interpolation, linear weighted moving average and less often the Kalman-ARIMA methods are the top-performing algorithms for well log gap filling.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,696

Scores Codex et Gemma par catégorie

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

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 Opus0,042
Tête enseignante GPT0,309
Écart entre enseignants0,267 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnical University of CreteMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207