Imageamento hiperespectral e geração de modelos preditivos da concentração de carbono orgânico total em folhelhos betuminosos
Notice bibliographique
Résumé
O uso do imageamento hiperespectral em modelos preditivos para a parametrização de variáveis geoquímicas e geológicas é um conhecimento inovador na geologia de petróleo. Com sucesso, pode reduzir os custos em processos de análise de testemunhos de rocha. O presente estudo aborda um testemunho de rocha de folhelhos betuminosos do Grupo Horn River, Canadá, e objetiva avaliar a possibilidade de predição do Carbono Orgânico Total (COT) por meio de dados de imageamento hiperespectral na região do infravermelho. Desta forma, foi desenvolvido um código baseado no método Máquina de Vetores de Suporte para gerar as predições. Os valores preditos de COT apresentaram um erro de 1,11% dos valores reais de COT. A análise de sensibilidade do modelo indica influência das assinaturas espectrais dos hidrocarbonetos. O modelo foi aplicado a todos os pixels da imagem hiperespectral do testemunho de rocha e mostrou a variabilidade do COT em 2 dimensões. Os resultados indicam grande potencial dos dados de imageamento hiperespectral para predições geoquímicas em folhelhos betuminosos. ABSTRACT: The use of hyperspectral data and predictive models for the parameterization of geochemical variables is a novel knowledge in petroleum geology. Successfully, it can reduce costs in drill core analysis processes. The present study addresses the bituminous shale of the Horn River Formation, Canada, and aims to evaluate the possibility of predicting Total Organic Carbon (TOC) with hiperspectral data in the infrared region, from a drill core. Thus, a code based on the Support Vector Machine method was built to generate the predictions. The predictive model reached an error of 1.11 % of the TOC values. The sensitivity analysis of the model indicates the influence of the hydrocarbon spectral signatures. The model was applied to all pixels of drill core imagery and showed TOC variability in two dimensions. The results indicate the potential of hyperspectral data for geochemical predictions in bituminous shales.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 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 ».