Reservoir characterization through the application of seismic attributes : multiattribute and unsupervised seismic facies analyses
Notice bibliographique
Résumé
Seismic attributes are a descriptive and quantifiable characteristic of seismic data, and so they represent subsets of the total information contained in the original seismic data. Consequently, seismic attrjbutes can be important qualitative and quantitative predictors of physical reservoir properties. Seismic attribute analysis began with the search for bright spots in the late 1960s and early 1970s. Subsequent work in the last decades has established seismic attribute analysis as a valuable tool in reservoir characterization studies. I present in this thesis two seismic attribute analyses for the interpretation of the characteristics of the seismic trace to predict significant geological features (e.g., lithology, rock properties and/or fluid content). The first study is an example of the applicability of seismic attributes to predict geologic controls on production data in a coal bed methane reservoir. Based on the calibration of log data with seismic data procedure, I defined a window of analysis, from which I computed amplitude, frequency and phase related attributes. Then, I used a quantitative multiattribute analysis to derive a seismic attribute-based model that predicts coal thickness. Thereafter, I used with a curvature attribute analysis with the objective to map subtle structural features and predict areas with enhanced permeability. The integration of production data with results achieved from both attribute analyses indicates that best production is associated with thicker coal and the immediate vicinity to seismically defined structures. [...]
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».