JP2014535044A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2014535044A5 JP2014535044A5 JP2014533595A JP2014533595A JP2014535044A5 JP 2014535044 A5 JP2014535044 A5 JP 2014535044A5 JP 2014533595 A JP2014533595 A JP 2014533595A JP 2014533595 A JP2014533595 A JP 2014533595A JP 2014535044 A5 JP2014535044 A5 JP 2014535044A5
- Authority
- JP
- Japan
- Prior art keywords
- data
- reservoir
- training
- attribute
- underground
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000015572 biosynthetic process Effects 0.000 claims 16
- 238000005755 formation reaction Methods 0.000 claims 16
- 239000011435 rock Substances 0.000 claims 9
- 238000000611 regression analysis Methods 0.000 claims 6
- 238000002790 cross-validation Methods 0.000 claims 3
- 238000000638 solvent extraction Methods 0.000 claims 2
Claims (27)
- 地下貯留層構造の貯留層特性を、前記貯留層から利用可能な入力データのコンピュータにおけるサポートベクターマシン処理によってモデリングし、前記利用可能な入力データの回帰分析によって、前記地下貯留層中の対象となる領域での前記貯留層特性の尺度を形成するための、コンピュータ実施方法であって、
(a)前記貯留層の地震調査から得られる地震調査データから、地下属性に関するトレーニング入力データを受信するステップと、
(b)前記貯留層中の井戸から得られるデータから、形成岩特徴に関するトレーニングターゲットデータを受信するステップと、
(c)地下属性トレーニングデータ及び形成岩特徴トレーニングターゲットデータを複数のサブセットに区分するステップと、
(d)サポートベクターマシンモデリングに対する形成属性パラメータを選択するステップであり、
(1)カーネルパラメーター値とペナルティーパラメータ値の対を有する動径基底カーネル関数対に対して、地下属性トレーニングデータの各サブセットを、前記複数のサブセットの他のサブセットと相互検証するステップと、
(2)相互検証した各サブセットの誤差関数を形成するステップと、
(3)前記地下属性トレーニングデータのサブセットを前記相互検証するステップを繰り返し、複数の異なる動径基底カーネル関数対に対して誤差関数を形成するステップと、
を実行することによって、選択するステップと、
(e)前記複数の異なる動径基底カーネル関数対に対して前記形成された誤差関数の最小誤差関数を決定することによって、前記選択された形成属性パラメータを最適化するステップと、
(f)前記トレーニングターゲットデータ、前記選択された形成属性パラメータ、地下属性トレーニングデータの前記相互検証されたサブセット、および前記複数の動径基底カーネル関数対に対する前記誤差関数を、サポートベクターマシンモデリングに対するトレーニング入力として提供するステップと、
(g)前記提供されたトレーニング入力の前記誤差関数の最小誤差関数を決定するための回帰分析により、サポートベクターマシンモデリングを実行するステップと、
(h)前記トレーニング入力の前記サポートベクターモデリングに基づいて前記貯留層特性を予測するステップと、
(i)前記予測された貯留層特性の出力表示を形成するステップと、
の前記コンピュータ処理ステップを含む、方法。 - 前記コンピュータは、グラフ表示デバイスを含み、さらに、
前記予測された貯留層特性の記録の記憶
を含む、請求項1に記載のコンピュータ実施方法。 - 前記貯留層特性は、前記貯留層中の対象となる領域の空隙率を含む、請求項1に記載のコンピュータ実施方法。
- 前記貯留層特性は、前記貯留層中の対象となる領域の音響インピーダンスを含む、請求項1に記載のコンピュータ実施方法。
- 前記トレーニング入力データの前記地下属性は、振幅、周波数、第1のエンベロープデータ、第2のエンベロープデータ、位相、コヒーレンス、帯域幅、および音響インピーダンスを含む群から選択される、請求項1に記載のコンピュータ実施方法。
- 前記トレーニングターゲットデータの前記形成岩特徴は、空隙率および音響インピーダンスを含む群から選択される、請求項1に記載のコンピュータ実施方法。
- 前記予測された貯留層特性は、空隙率を含む、請求項1に記載のコンピュータ実施方法。
- 地下貯留層構造の貯留層特性を、前記貯留層から利用可能な入力データのコンピュータにおけるサポートベクターマシン処理によってモデリングし、前記利用可能な入力データの回帰分析によって、前記地下貯留層中の対象となる領域での前記貯留層特性の尺度を形成するための、データ処理システムであって、
(a)
(1)前記貯留層の地震調査から得られる地震調査データから、地下属性に関するトレーニング入力データを受信するステップと、
(2)前記貯留層中の井戸から得られるデータから、形成岩特徴に関するトレーニングターゲットデータを受信するステップと、
(3)地下属性トレーニングデータ及び形成岩特徴トレーニングターゲットデータを複数のサブセットに区分するステップと、
(4)前記トレーニング入力データの前記トレーニングターゲットデータとの相互相関によってサポートベクターマシンモデリングに対する形成属性パラメータを選択するステップであり、
(i)カーネルパラメーター値とペナルティーパラメータ値の対を有する動径基底カーネル関数対に対して、前記地下属性トレーニングデータの各サブセットを、前記複数のサブセットの他のサブセットと相互検証することと、
(ii)前記相互検証した各サブセットの誤差関数を形成することと、
(iii)前記地下属性トレーニングデータのサブセットを前記相互検証するステップを繰り返し、複数の異なる動径基底カーネル関数対に対する誤差関数を形成することと、
によって、選択するステップと、
(5)前記複数の異なる動径基底カーネル関数対に対する前記形成された誤差関数の最小誤差関数を決定することにより、前記選択された形成属性パラメータを最適化するステップと、
(6)前記トレーニングターゲットデータ、前記選択された形成属性パラメータ、地下属性トレーニングデータの前記相互検証されたサブセット、および複数の動径基底カーネル関数対に対する前記誤差関数を、サポートベクターマシンモデリングに対するトレーニング入力として提供するステップと、
(7)前記提供されたトレーニング入力の前記誤差関数の最小誤差関数を決定するための回帰分析により、サポートベクターマシンモデリングを実行するステップと、
(8)前記トレーニング入力の前記サポートベクターマシンモデリングに基づき、前記貯留層特性を予測するステップと、
を実行するためのプロセッサと、
(b)
前記予測された貯留層特性の出力表示を形成するステップ
を実行するための表示部と、
を備える、データ処理システム。 - さらに、
前記予測された貯留層特性の記録を記憶する、データメモリ
を含む、請求項8に記載のデータ処理システム。 - 前記貯留層特性は、前記貯留層中の対象となる領域の空隙率を含む、請求項8に記載のデータ処理システム。
- 前記貯留層特性は、前記貯留層中の対象となる領域の音響インピーダンスを含む、請求項8に記載のデータ処理システム。
- 前記トレーニング入力データの前記地下属性は、振幅、周波数、第1のエンベロープデータ、第2のエンベロープデータ、位相、コヒーレンス、帯域幅、および音響インピーダンスを含む群から選択される、請求項8に記載のデータ処理システム。
- 前記トレーニングターゲットデータの前記形成岩特徴は、空隙率および音響インピーダンスを含む群から選択される、請求項8に記載のデータ処理システム。
- 前記予測された貯留層特性は、空隙率を含む、請求項8に記載のデータ処理システム。
- データ処理システムに、地下貯留層構造の貯留層特性を、前記貯留層から利用可能な入力データのコンピュータにおけるサポートベクターマシン処理によってモデリングさせ、前記利用可能な入力データの回帰分析によって、前記地下貯留層中の対象となる領域での前記貯留層特性の尺度を形成させるための、動作可能な命令を、コンピュータ可読媒体コンピュータ中に記憶している、データ記憶デバイスであって、前記データ記憶デバイス中に記憶された前記命令は、前記データ処理システムに以下の:
(a)前記貯留層の地震調査から得られる地震調査データから、地下属性に関するトレーニング入力データを受信するステップと、
(b)前記貯留層中の井戸から得られるデータから、形成岩特徴に関するトレーニングターゲットデータを受信するステップと、
(c)地下属性トレーニングデータ及び形成岩特徴トレーニングターゲットデータを複数のサブセットに区分するステップと、
(d)サポートベクターマシンモデリングに対する形成属性パラメータを選択するステップであり、
(1)カーネルパラメーター値とペナルティーパラメーター値の対を有する動径基底カーネル関数対に対して、前記地下属性トレーニングデータの各サブセットを、前記複数のサブセットの他のサブセットと相互検証するステップと、
(2)前記相互検証した各サブセットの誤差関数を形成するステップと、
(3)前記地下属性トレーニングデータのサブセットを前記相互検証するステップを繰り返し、複数の異なる動径基底カーネル関数対に対する誤差関数を形成するステップと、
を実行することによって、選択するステップと、
(e)前記複数の異なる動径基底カーネル関数対に対する前記形成された誤差関数の最小誤差関数を決定することによって、前記選択された形成属性パラメータを最適化するステップと、
(f)前記トレーニングターゲットデータ、前記選択された形成属性パラメータ、地下属性トレーニングデータの前記相互検証されたサブセット、および前記複数の動径基底カーネル関数対に対する前記誤差関数を、サポートベクターマシンモデリングに対するトレーニング入力として提供するステップと、
(g)前記提供されたトレーニング入力の前記誤差関数の最小誤差関数を決定するための回帰分析により、サポートベクターマシンモデリングを実行するステップと、
(h)前記トレーニング入力の前記サポートベクターマシンモデリングに基づき、前記貯留層特性を予測するステップと、
(i)前記予測された貯留層特性の出力表示を形成するステップと、
を実行させる、データ記憶デバイス。 - 前記データ処理システムは、データメモリを含み、前記命令はさらに、前記データ処理システムに、
前記予測された貯留層特性の記録を記憶するステップ
を実行させる命令を含む、請求項15に記載のデータ記憶デバイス。 - 前記貯留層特性は、前記貯留層中の対象となる領域の空隙率を含む、請求項15に記載のデータ記憶デバイス。
- 前記貯留層特性は、前記貯留層中の対象となる領域の音響インピーダンスを含む、請求項15に記載のデータ記憶デバイス。
- 前記トレーニング入力データの前記地下属性は、振幅、周波数、第1のエンベロープデータ、第2のエンベロープデータ、位相、コヒーレンス、帯域幅、および音響インピーダンスを含む群から選択される、請求項15に記載のデータ記憶デバイス。
- 前記トレーニングターゲットデータの前記形成岩特徴は、空隙率および音響インピーダンスを含む群から選択される、請求項15に記載のデータ記憶デバイス。
- 前記予測された貯留層特性は、空隙率を含む、請求項15に記載のデータ記憶デバイス。
- 前記カーネル対を、前記地下属性トレーニングデータのサブセットに適用するステップを更に含む請求項1に記載のコンピュータ実施方法。
- 前記選択された形成属性パラメータを最適化するステップが、
各属性に対する前記トレーニングデータセット及び試験データセットを、同一のスケールで定義された範囲の値にスケーリングするステップを含む請求項1に記載のコンピュータ実施方法。 - 前記プロセッサは、前記カーネル対を、前記地下属性トレーニングデータのサブセットに適用するステップを更に実行する請求項8に記載のデータ処理システム。
- 前記選択された形成属性パラメータを最適化する前記プロセッサは、
各属性に対する前記トレーニングデータセット及び試験データセットを、同一のスケールで定義された範囲の値にスケーリングするステップを実行する請求項8に記載のデータ処理システム。 - 前記命令は、前記カーネル対を、前記地下属性トレーニングデータのサブセットに適用するステップを実行するための命令を更に含む請求項15に記載のデータ記憶デバイス。
- 前記選択された形成属性パラメータを最適化する命令が、
各属性に対する前記トレーニングデータセット及び試験データセットを、同一のスケールで定義された範囲の値にスケーリングするステップを実行するための命令を更に含む請求項15に記載のデータ記憶デバイス。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161540263P | 2011-09-28 | 2011-09-28 | |
US61/540,263 | 2011-09-28 | ||
PCT/US2012/055711 WO2013048798A2 (en) | 2011-09-28 | 2012-09-17 | Reservoir properties prediction with least square support vector machine |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2014535044A JP2014535044A (ja) | 2014-12-25 |
JP2014535044A5 true JP2014535044A5 (ja) | 2015-10-15 |
JP6006799B2 JP6006799B2 (ja) | 2016-10-12 |
Family
ID=47073493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014533595A Expired - Fee Related JP6006799B2 (ja) | 2011-09-28 | 2012-09-17 | 最小二乗サポートベクターマシンを用いた貯留層特性予測 |
Country Status (5)
Country | Link |
---|---|
US (1) | US9128203B2 (ja) |
EP (1) | EP2761331B1 (ja) |
JP (1) | JP6006799B2 (ja) |
CA (1) | CA2847864C (ja) |
WO (1) | WO2013048798A2 (ja) |
Families Citing this family (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2011258764B2 (en) | 2010-05-28 | 2014-10-23 | Exxonmobil Upstream Research Company | Method for seismic hydrocarbon system analysis |
US9529115B2 (en) | 2012-12-20 | 2016-12-27 | Exxonmobil Upstream Research Company | Geophysical modeling of subsurface volumes based on horizon extraction |
WO2014099204A1 (en) | 2012-12-20 | 2014-06-26 | Exxonmobil Upstream Research Company | Method and system for geophysical modeling of subsurface volumes based on computed vectors |
WO2014099202A1 (en) | 2012-12-20 | 2014-06-26 | Exxonmobil Upstream Research Company | Method and system for geophysical modeling of subsurface volumes based on label propagation |
US10234583B2 (en) | 2012-12-20 | 2019-03-19 | Exxonmobil Upstream Research Company | Vector based geophysical modeling of subsurface volumes |
EP2981866B1 (en) * | 2013-05-24 | 2020-03-11 | Halliburton Energy Services Inc. | Methods and systems for reservoir history matching for improved estimation of reservoir performance |
CN103595568B (zh) * | 2013-11-17 | 2016-08-17 | 吉林大学 | 一种基于ls-svm的互联网实时信号传输方法 |
CN105467449B (zh) * | 2014-09-04 | 2018-01-05 | 中国石油化工股份有限公司 | 基于地震分级敏感属性融合的深层薄互储层定量表征方法 |
EP3248030A1 (en) | 2015-01-22 | 2017-11-29 | Exxonmobil Upstream Research Company | Adaptive structure-oriented operator |
JP6460523B2 (ja) * | 2015-01-22 | 2019-01-30 | 株式会社セオコンプ | 地下構造探査システム及び地下構造探査方法 |
US10139507B2 (en) | 2015-04-24 | 2018-11-27 | Exxonmobil Upstream Research Company | Seismic stratigraphic surface classification |
US10781686B2 (en) | 2016-06-27 | 2020-09-22 | Schlumberger Technology Corporation | Prediction of fluid composition and/or phase behavior |
CN107783183B (zh) * | 2016-08-31 | 2019-10-29 | 中国石油化工股份有限公司 | 深度域地震波阻抗反演方法及系统 |
US11320565B2 (en) * | 2016-10-13 | 2022-05-03 | Schlumberger Technology Corporation | Petrophysical field evaluation using self-organized map |
EP3622328A4 (en) * | 2017-05-08 | 2021-02-17 | Services Pétroliers Schlumberger | INTEGRATION OF GEO-SCIENTIFIC DATA TO PREDICT FORMATION PROPERTIES |
CN107526117B (zh) * | 2017-07-06 | 2019-08-13 | 天津科技大学 | 基于自动编码和超限学习联合网络的声波速度预测方法 |
AU2017424316A1 (en) * | 2017-07-21 | 2020-01-02 | Landmark Graphics Corporation | Deep learning based reservoir modeling |
US10990882B2 (en) * | 2017-07-28 | 2021-04-27 | International Business Machines Corporation | Stratigraphic layer identification from seismic and well data with stratigraphic knowledge base |
JP6945917B2 (ja) * | 2017-12-22 | 2021-10-06 | 株式会社奥村組 | トンネル切羽前方探査方法 |
GB2570330B (en) * | 2018-01-22 | 2020-02-26 | Equinor Energy As | Regularization of non-linear inversions of geophysical data |
GB2585581B (en) * | 2018-05-09 | 2022-06-01 | Landmark Graphics Corp | Learning based Bayesian optimization for optimizing controllable drilling parameters |
CN109345007B (zh) * | 2018-09-13 | 2021-06-04 | 中国石油大学(华东) | 一种基于XGBoost特征选择的有利储层发育区预测方法 |
CN109164491A (zh) * | 2018-10-15 | 2019-01-08 | 中国石油大学(北京) | 一种基于分类支持向量机的地震岩相识别方法及系统 |
CN109492812A (zh) * | 2018-11-12 | 2019-03-19 | 北京航天智造科技发展有限公司 | 基于支持向量机、属性约简和遗传算法的物流货运需求预测方法 |
RU2692100C1 (ru) * | 2018-12-03 | 2019-06-21 | Компания "Сахалин Энерджи Инвестмент Компани Лтд." | Способ определения коллекторских свойств тонкослоистых пластов |
CN109611087B (zh) * | 2018-12-11 | 2021-10-08 | 中国石油大学(北京) | 一种火山岩油藏储层参数智能预测方法及系统 |
CN109902390B (zh) * | 2018-12-13 | 2023-10-24 | 中国石油大学(华东) | 一种基于小样本扩充的有利储层发育区预测方法 |
WO2020163447A1 (en) * | 2019-02-05 | 2020-08-13 | Schlumberger Technology Corporation | Differential multi model training for multiple interpretation options |
US11009617B2 (en) * | 2019-02-20 | 2021-05-18 | Saudi Arabian Oil Company | Method for fast calculation of seismic attributes using artificial intelligence |
US10908308B1 (en) * | 2019-07-25 | 2021-02-02 | Chevron U.S.A. Inc. | System and method for building reservoir property models |
CN112346116A (zh) * | 2019-08-09 | 2021-02-09 | 中国石油天然气集团有限公司 | 储层预测方法及装置 |
CN112346118A (zh) * | 2019-08-09 | 2021-02-09 | 中国石油天然气集团有限公司 | 基于地震属性优选的储层特征预测方法及装置 |
CN112444860A (zh) * | 2019-08-27 | 2021-03-05 | 中国石油化工股份有限公司 | 一种基于支持矢量机算法的地震相分析方法 |
CN112580673B (zh) * | 2019-09-27 | 2024-04-12 | 中国石油化工股份有限公司 | 基于空间概率分布的地震储层样本扩展方法和装置 |
CN112649869A (zh) * | 2019-10-12 | 2021-04-13 | 中国石油化工股份有限公司 | 基于ga-wnn的储层特征参数预测方法及系统 |
CN110737021A (zh) * | 2019-11-06 | 2020-01-31 | 中国矿业大学(北京) | 断层识别的方法及其模型训练方法、装置 |
CN110806444B (zh) * | 2019-11-14 | 2022-06-07 | 山东科技大学 | 基于浅地层剖面仪与svm的海底底质识别与分类方法 |
US11285673B2 (en) * | 2019-12-17 | 2022-03-29 | Northrop Grumman Systems Corporation | Machine-learning-based additive manufacturing using manufacturing data |
CN111444963B (zh) * | 2020-03-27 | 2023-08-25 | 中南大学 | 一种基于ssa-svr模型的高炉铁水硅含量预测方法 |
US11248455B2 (en) | 2020-04-02 | 2022-02-15 | Saudi Arabian Oil Company | Acoustic geosteering in directional drilling |
CN113589376A (zh) * | 2020-04-30 | 2021-11-02 | 中国石油化工股份有限公司 | 基于多种地震属性的地层厚度预测方法 |
WO2021240195A1 (en) | 2020-05-26 | 2021-12-02 | Saudi Arabian Oil Company | Instrumented mandrel for coiled tubing drilling |
CN111723526A (zh) * | 2020-06-24 | 2020-09-29 | 中国地质大学(北京) | 动态回归委员会机器测井储层参数预测方法及系统 |
CN112099087A (zh) * | 2020-09-27 | 2020-12-18 | 中国石油天然气股份有限公司 | 油藏渗流特征参数的地球物理智能预测方法、装置及介质 |
CN112213797A (zh) * | 2020-10-28 | 2021-01-12 | 中国石油大学(华东) | 一种利用测井相联合叠后地震属性预测储层产能的方法 |
US20220260746A1 (en) * | 2021-02-12 | 2022-08-18 | Saudi Arabian Oil Company | Method and system for determining permeability and lost circulation |
CN113033074A (zh) * | 2021-02-25 | 2021-06-25 | 中国石油天然气集团有限公司 | 策略组合机制融合蜻蜓算法孔隙度预测方法、系统及设备 |
CN113064216A (zh) * | 2021-02-25 | 2021-07-02 | 中国石油天然气集团有限公司 | 一种储层孔隙度预测方法、系统、设备及可读存储介质 |
WO2023191897A1 (en) * | 2022-03-28 | 2023-10-05 | Halliburton Energy Services, Inc. | Data driven development of petrophysical interpretation models for complex reservoirs |
CN115421181B (zh) * | 2022-07-27 | 2023-10-20 | 北京超维创想信息技术有限公司 | 一种基于深度学习的三维地质模型相控属性建模方法 |
CN116307706B (zh) * | 2023-03-08 | 2023-11-03 | 东北石油大学 | 一种基于时序模型的储气库运行地质风险预警和注采气方案优化方法 |
CN117452518B (zh) * | 2023-12-22 | 2024-03-19 | 中国石油大学(华东) | 基于多学科数据融合聚类算法的储层岩性预测方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004104637A1 (en) | 2003-05-22 | 2004-12-02 | Schlumberger Canada Limited | Method for prospect identification in asset evaluation |
-
2012
- 2012-09-14 US US13/618,327 patent/US9128203B2/en active Active
- 2012-09-17 EP EP12777960.1A patent/EP2761331B1/en not_active Not-in-force
- 2012-09-17 CA CA2847864A patent/CA2847864C/en not_active Expired - Fee Related
- 2012-09-17 WO PCT/US2012/055711 patent/WO2013048798A2/en active Application Filing
- 2012-09-17 JP JP2014533595A patent/JP6006799B2/ja not_active Expired - Fee Related
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2014535044A5 (ja) | ||
USRE49507E1 (en) | Faulted geological structures having unconformities | |
US20200019882A1 (en) | Systems and Methods for Generating, Deploying, Discovering, and Managing Machine Learning Model Packages | |
CN103270430A (zh) | 用于地震数据反演的系统和方法 | |
CA2879773C (en) | Multi-level reservoir history matching | |
US20140358510A1 (en) | System and method for characterizing uncertainty in subterranean reservoir fracture networks | |
US20160131800A1 (en) | Modeling fluid-conducting fractures in reservoir simulation grids | |
CN103415786A (zh) | 用于利用非线性模型更新来进行地震数据反演的系统和方法 | |
US10534877B2 (en) | Adaptive multiscale multi-fidelity reservoir simulation | |
US20170321543A1 (en) | Three-dimensional fracture abundance evaluation of subsurface formation based on geomechanical simulation of mechanical properties thereof | |
CN105089615B (zh) | 一种基于油藏模型的测井数据历史回归处理方法 | |
US10113421B2 (en) | Three-dimensional fracture abundance evaluation of subsurface formations | |
US8862443B2 (en) | Generating data for geomechanical modeling | |
CA2921494A1 (en) | Pseudo-phase production simulation: a signal processing approach to assess quasi-multiphase flow production via successive analogous step-function relative permeability controlledmodels in reservoir flow simulation | |
WO2016001697A1 (en) | Systems and methods for geologic surface reconstruction using implicit functions | |
EA028337B1 (ru) | Моделирование методом конечных элементов скважинных сейсмических сигналов из слоистых анизотропных формаций и использование его при упругой инверсии | |
US10914864B2 (en) | Multiscale method for reservoir models | |
AU2012261738B2 (en) | Device and method for locating microseismic events using array of receivers | |
US10359540B2 (en) | Cart-based proxy flow simulation procedure for ranking geostatistical realizations of rock properties | |
CN109709602B (zh) | 一种远探测声波偏移成像方法、装置及系统 | |
US10422925B2 (en) | 2.5D stadia meshing | |
CA2931473A1 (en) | Slug flow initiation in fluid flow models | |
CN109001804B (zh) | 一种基于三维地震数据确定有效应力的方法、装置及系统 | |
US10454713B2 (en) | Domain decomposition using a multi-dimensional spacepartitioning tree | |
CA3221657A1 (en) | Systems and methods for mapping seismic data to reservoir properties for reservoir modeling |