Approches intégrées de construction et d’analyse des modèles de systèmes pétroliers : apports pour l’exploration pétrolière
Bibliographic record
Abstract
Les outils numériques de modélisation des bassins sédimentaires et des systèmes pétroliers prennent en compte des processus naturels chaque fois plus nombreux et font intervenir une grande variété de disciplines des géosciences. C’est pourquoi il est ardu de construire des modèles qui soient cohérents avec l’ensemble des données disponibles et l’ensemble des connaissances géologiques. Les travaux réalisés dans cette thèse de doctorat visent à rendre ces outils de modélisation plus accessibles d’une part en facilitant la construction des modèles numériques par l’intégration simultanée et automatique des concepts géologiques et des données et d’autre part en donnant accès à l’interprétation des risques d’exploration sous forme de cartes. Pour répondre au premier objectif, deux méthodes ont été mises au point afin de faciliter et d’améliorer la détermination de l’histoire thermique des bassins sédimentaires et de la distribution régionale de la matière organique. Elles se basent sur une même procédure d’exploitation des mesures locales et de l’information géologique régionale pour mieux estimer ces aspects clés pour l’exploration des systèmes pétroliers. Une optimisation des paramètres de modélisation est d’abord réalisée afin de reproduire les données locales avant d’extrapoler les résultats à l’échelle du bassin via l’utilisation des données géologiques. Les deux approches ont été valorisées chacune par le dépôt d’un brevet (Ducros, 2012 ; Ducros et Chauveau, 2015). Elles sont illustrées pour l’une sur le cas du bassin de Berkine, où l’on dispose d’une importante base de données thermiques, et pour l’autre sur le bassin Ouest-Canadien, objet d’une intense exploration des hydrocarbures de roche-mère. La deuxième partie des travaux a porté sur la mise au point et l’application d’une méthode d’analyse de sensibilité et de risques sous forme de cartes. Elle s’appuie sur une approche d’approximation de la réponse d’un simulateur sur l’ensemble de l’espace d’incertitude afin de réduire le temps d’échantillonnage nécessaire à l’estimation des risques et sur une analyse en composantes principales permettant de réduire la dimension des résultats à traiter. La méthode est illustrée sur deux exemples d’application : le premier utilise un outil de modélisation stratigraphique pour l’estimation de la position des réservoirs pétroliers dans un bassin sédimentaire et le deuxième montre comment peut-être déterminé le risque sur la maturité de la roche-mère. Ces nouveaux outils renforcent les liens entre les différentes disciplines des géosciences afin de produire des résultats plus cohérents et plus prédictifs. Ils facilitent également l’accès à des analyses d’incertitudes et de risques qui permettent des interprétations cartographiques puissantes, en lien avec les techniques courantes d’appréciation des risques d’exploration (CRS mapping).
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.005 | 0.002 |
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".