Methodology for Estimating Areal of Petrophysical Properties Using Geostatistics Techniques*
Bibliographic record
Abstract
Se presenta una metodología para estimar la distribución areal de propiedades petrofísicas, la cual se basa en la prueba Gamma, un algoritmo que estima el Error Cuadrático Medio (ECM) de una variable dependiente, para este caso la prueba Gamma se aplica a registros geofísicos de porosidad: densidad (RHOB), neutrón (NPHI) y sónico (DT) de pozos perforados en la provincia de Alberta en Canadá. La prueba Gamma muestra el registro de densidad (RHOB) con el menor ECM en 9 de los 19 pozos seleccionados. A partir de este registro se calcula la porosidad, se incluyen las correcciones ambientales de diámetro de pozo, densidad de matriz y densidad de fluido de perforación, se realiza el cálculo de porosidad efectiva corrigiendo el efecto por volumen de arcillas (Vsh) y distribución de estas en el yacimiento. Luego mediante la implementación de técnicas geoestadísticas se construye el semiovariograma experimental para la porosidad efectiva, el cual se ajusta a un modelo esférico, con este modelo es poblada la malla en los sectores donde no se tiene información. Finalmente, al calcular la permeabilidad empleando los métodos empíricos de Timur, Tixier y Cotes se encuentra que, de los tres métodos, el de Timur presenta los mayores valores de permeabilidad, por el contrario, el de Coates los menores. Se emplea el software libre y de código abierto Rstudio para todos los cálculos, incluido el Análisis exploratorio de los Datos con el cual se logra tener una primera aproximación de las densidades litológicas y tipo de fluido presente en el yacimiento.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".