אסטמינג מילואים בשדות עם נתונים מוגבלים באמצעות גישות פרוביביליסטיות

התפקיד הקריטי של אסטיגמציה בכלכלת הנפט

הערכת מילואים קובעת את יכולתן הפיננסית של פרויקטים של נפט וגז, המשפיעים על פריסת הון, עיצוב מתקן והסכמים חוזיים.עבור חברות סוחר ציבוריות, הוכיחו כי עתודות משפיעות ישירות על מאזן וערך בעלי המניות. ממשלות מסתמכות על המספרים האלה עבור הערכות אבטחת אנרגיה ותכנון העושר הריבון.

רוב התחומים מתחילים עם קומץ של חקר וריאציות הערכה, שמוסממים על ידי נתונים סיסמיים של איכות משתנה. בסביבות כאלה, מספר ⁇ יחיד יכול להיות מטעה באופן מסוכן. גישות פרוביביליסטיות ללכוד, לתקשר, ולנהל את אי הוודאות הזו שקוף, המאפשר גיאו-מדעיסטים ומהנדסים לפתח הערכות מבוססות טווח שעומדות בפני בדיקה טכנית ותמיכה ברזולוציה זו חוקרת כיצד פונקציות ארגוניות הן יכולות להשתלבות באופן יוצא דופן, כיצד מתרגלים ומהנדסים פועלים באופן עצמאי, פועלים באופן עצמאי, פועלים לחשיבה יעילה, כדי ליצור תוצאות עקבית, ומהנדסים, כדי ליצור תוצאות עקביות, כדי ליצור תוצאות עקביות, כדי ליצור הערכות עקביות, כדי ליצור תוצאות אפקטיביות, כדי ליצור תוצאות אקטיביות, כדי ליצור הערכות עקביות, כדי ליצור ביצועים עקביות, כדי ליצור תוצאות עקביות, כדי ליצור הערכות מבוססות טווח, כדי ליצור הערכות המבוססות על בסיס קבועות, כדי ליצור הערכות, כדי להשיג תוצאות יעילות, כדי ליצור אקטיביות, כדי ליצור הערכות, כדי ליצור הערכות, כדי להשיג תוצאות עקביות, כדי להשיג החלטות אסטרטגיות ומהנדסים, כדי להשיג החלטות יעילות, כדי להשיג החלטות יעילות, כדי להשיג החלטות יעילות, כדי להשיג החלטות יעילות, כדי להשיג החלטות יעילות, כדי להשיג החלטות יעילות וסיוע עקביות, כדי להשיג

הבנת הסיבות השורשיות של מחסור בנתונים

נתונים מוגבלים נובעים מנסיבות גיאופיזיות, כלכליות ותפעוליות שונות, והכרה במקור של מחסור מנחה את הבחירה של טכניקות פרוביביליסטיות מתאימות.

(FLT:0) חקר שלב מוקדם של שלב (FLT:1 לאחר קידוח אחד או שניים בארות פראקט, ידע של היקף מאוחר יותר של המאגר, התאליזציה, וקישוריות דינמי הוא מינימלי.נתוני הליבה עשויים לכסות רק עשרות מטרים, בעוד יומני חוט ובדיקות קידוח-סטאם מציעים מדידות של נקבוביות, חדות, לחץ.
(FLT:0)Remote or Deepwater Places.FreaLT:1 , התמחויות בחו"ל יכולות לעלות מאות מיליוני דולרים, מה שהופך קמפיינים הערכה נרחבים של ארגונים האוסרים מבחינה כלכלית על תכונות סיאולוגיות ועל מסדי נתונים אנלוגיים שדה, המוגבר על ידי נקודת נתונים של אחד טוב.
(FLT:0)Complex architectureeur.FLT:1 מאגרי פחמן, מרתפים שבורים ומערכות ערוץ טורדניט מציגות היסטרוגניות קיצונית.
(FLT:0) ההגבלות על פני השטח.IRLT:1) באזורים רגישים לסביבה או לא יציבים מבחינה פוליטית, רכישה סיסמית עשויה להיות מוגבלת וקידוחים מוגבל, מה שמחייב הסתמכות על פיזור והיגיון אנלוגי.

בכל מקרה, הנפיחות של מדידות קשות מאלצת את ה-estimator להישען על מושגים גיאולוגיים, אנלוגיים אזוריים ודעה מומחה - בדיוק את המרכיבים של מסגרות פרוביביליטיביות לארגן ומבחן מתח.

מה הופך את הגישה הפרוביביליסטית לבלתי ניתנת להשגה

הערכה ⁇ ית בוחרת ערך "טכני הטוב ביותר" יחיד עבור כל פרמטר קלט (גדל נפח סלע, נטו-ל-צמחים, פורוזיות, ריצוף מים, גורם נפח היווצרות, אפקט התאוששות) ומשכפל אותם להגיע נפח אחד אחרון מחליש נתונים.

שיטות פרוביביליסטיות מחליפות הערכות לגבי התפלגות ההסתברות המתארות את המגוון המלא של כל הערכים האמינות של פרמטר.התוצאה היא עקומת הסתברות - מיוצגת לעיתים קרובות על ידי P90, P50 ו-P10 סטטיסטיקות (נמוכות, הטוב ביותר, והערכות גבוהות) ספקטרום זה מתקשר ללהקה סביב המשאב, ומאפשר למנהלים לבסס החלטות השקעה על הסיכון שמתאים לאסטרטגיה הארגונית שלהם, בין אם הוכחו תוכניות או מחקר אופטימי.

המעבר לחשיבה פרובביליסטית גם תואם את תורת תיק ההשקעות המודרנית.חברות צוברות מאות פרויקטים, כל אחד עם חלוקת אי הוודאות שלו.ממוצע הדטרמיוני של כל הפרויקטים אינו מספק תובנות לגבי הסיכון הכולל, בעוד שההתגרות הפרוביביליסטית מייצרת הסתברות ברמה ארגונית המעדכנת את הסיכוי של עמידה במטרות הייצור או התחייבויות פיננסיות.

שיטות פרוביביליסטיות מאומתות במפורש על ידי מערכת ניהול משאבי הנפט של EPA (PRMS)BuildFLT:1, המספקת מסגרת עקבית של משאבים ורזרבות. PRMS מגדירה שלוש קטגוריות של אי ודאות עבור משאבים contingent (1C, 2C, 3C) ו- עבור רזרבות (מוכיח, סביר, קטגוריות אלה ישירות כדי לפרוביסטיות P90, P90, 50 אחוזים, ו- 10 אחוזים, יצירת תקשורת סטנדרטית.

טכניקות סטטיסטיות עיקריות עבור נתונים

מונטה קרלו סימבול

סימולציה מונטה קרלו נותרה עבודת ההשמדה הפרוביביליסטית.זה מבצע אלפי מיליוני אמירות, כל ציור ערכים אקראיים מחלוקת הסתברות מוקצה של פרמטרים מחשוב ומשחזרים כרכים באמצעות המשוואה הנפחית.תוצאות אגרגציה מניבות תדר שהמערכת שלו אינה יכולה להתמודד איתו, P50, ו-P10 קוראים ישירות נתונים.כאשר היא בקושי, הכוח של מונטה קרלו שקרים בצירוף פיזיקליאלי, עלולים לפטור את המציאות הניתנת להכחשה פיזית, אך לא צפויה, אך לא צפויה, אך לא צפויה, אך ורק למחיקתה, אך ורק למחיקתה, אך ורק להפחתה פיזית, אך ורק למחיקתה, אך ורק להפחתה של המציאות הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הפחתת הנפח הנפח הפחתת הפחתת הפחתת ההפחתה של המציאות הפחתת הפחתת הפחתת הפחתת הפחתתו של האדם.

בייסיאן קם

שיטות Bayesian חזקות בהגדרות נתונים מוגבלות כי הם מספקים מבנה מתמטי לשילוב ידע קודם עם מידע חדש. התפלגות קודמת - שמקורו במאגרים אנלוגיים או מודלים פיקדונות אזוריים - מעודן בכל פעם ליבת חדשה, יומן או בדיקת ייצור הופך זמין.הפצה הנקבנית המתקבלת מצמצם את טווח אי הוודאות ומעבירה את הנטייה המרכזית לראיות שנצפו.זה מאפשר יצירת רב-ציות כדי להתחיל עם צוותים מוקדמים יותר מבדיקות מחקריות, באופן טבעי, כמו גם פרמטרים, כמו גם פרמטרים, כמו גם פרמטרים פשוטים, כמו גם פרמטרים של ניתוחי, כמו גם פרמטרים של מדדי של מדדי ראייה, כמו גם פרמטרים של ניתוחי ראייה, כמו גם פרמטרים, כמו גם פרמטרים, מאשר בדיקות מעבדה, באופן טבעי, כמו גם פרמטרים, באופן שיטתי יותר, מאשר בדיקות מעבדה, מאשר בדיקות מעבדה, באופן טבעי, מאשר בדיקות אינטנסיבי יותר, מאשר בדיקות מעבדה, מאשר בדיקות אינטנסיבי יותר, מאשר בדיקות פרמטרים של ניתוח אינטנסיבי יותר מאשר בדיקות נטייה פשוטה יותר, מאשר בדיקות של ניתוחי, מאשר בדיקות נטייה פשוטה יותר, מאשר בדיקות חירום, מאשר בדיקות נטייה פשוטה יותר, החל מקרינה פשוטה יותר, כמו גם פרמטרים

יישום מעשי של Bayesian עדכון במילואים estimation לעתים קרובות משתמש מארקוב שרשרת מונטה קרלו (MC) שיטות תוכנה כגון FLT:0PyMCSFLT 1 ו-FLT:2Stanph 3LT 3StanFLT 3R לספק מנועים חזקים לבניית מודלים היררכיים שיכולים לשלב מקורות נתונים מרובים בו זמנית.

התפלגות קידוד-נורמאל וטרינגולרי

כאשר הדגימה נמדדת היא קטנה, הבחירה של צורת הפצה קלט חשובה מאוד. פרמטרים כגון אחריות לעתים קרובות לעקוב אחר הפצה רגילה, בעוד יחסי נטו-ל-ל-צומח בתשלום ערימה עשויים להיות מיוצגים יותר על ידי triangular או beta התפלגות. Analysts חייב להימנע חדלות מחדל להתפלגות רגילה רק כי הם קלים יותר לפרמטרים עבור נתונים מעומעמים מאוד, אפילו לא ניתן להגדיר נתונים אנלוגיים ביותר, כי הם עלולים ביותר, אפילו לא ניתן להגדיר על ידי שלושה פרמטרים ביותר, אך ורק על ידי לוגיקה מינימלית, אך ורק על ידי לוגיקה מינימלית, אך ורק על ידי לוגיקה מינימלית, אך לא ניתן להגדיר את הערך הראשוניים, אך ורק על ידי לוגיקה מינימלית, אך ורק על ידי לוגיקה מינימלית, אך ורק על ידי לוגיקה מינימלית, אך סביר יותר, אך ורק על ידי לוגיקה מינימלית, אך עשוי להיות מוגדר על ידי לוגיקה מינימלית, עם זאת על ידי לוגיקה מינימלית, עם זאת, עם זאת על ידי לוגיקה מינימלית, אם כי הם עלולים, עם זאת, אם כי הם עלולים, סביר יותר, אם כי הם עלולים, סביר להניח כי הם עלול להיות מוגדרות ביותר, עם זאת

אלטרנטיבה היא ההתפלגות של ההרחבה (FLT:0) התפלגות התפוצה של ההרחבה (Program Assessment and Review Technique), הדומה ל-Trangular אך מספקת צורה חלקה יותר ומשקל יותר על הערך הסביר ביותר.ההתפלגות PERT מועילה במיוחד כאשר המומחה יש אמון חזק בשווי מודולרי, אך מכיר בזנבים רחב יותר, כמו יכולת חיזוי, ההתפלגות הנורמלית נותרת ביותר, עדיין עדיפות, וניתן להתאים את רמת הדיוקן (ה) באמצעות מדרגה סטנדרטית, אך ניתן לאמת את רמת הדיוקן (ה) ברמת הדיוקן).

תוקפנות ומודל תלות

פיקוח תכוף תדיר ב-Esimation של ספירת נתונים הוא להתעלם מהמורכבות של אי-ודאות כאשר regregregating מספר אזורי מאגר או שדות.פשוט לסכם את נפח P50 מכל שכבה מעל ל-outestimates את הסכום כי הוא מזניח תלות סטטיסטית. מסגרות פרוביביליסטיות מתקדמות להשתמש בשוטרים או בדירוג יחסי סימולציות בין פרמטרים לבין שכבות.

עבור גלגול מרחבי של כרכים על פני תאים מרובים, טכניקות גיאוסטאלי כגון סימולציה Gaussian סימולציה של Gaussian (SGS) לספק גישה קפדנית יותר. SGS מייצרת התגשמות רבה של התפלגות רכוש כי לכבד את מבנה הקשר המרחבי (variogram) ואת נתוני ההנקה.כל מימוש הוא אז להאכיל חישוב נפח מורכב, וכתוצאה מכך הפצה של נפח הכולל משקף באופן טבעי את המידות שטחית עם מגבלות מרובות.

בניית זרימת עבודה יעילה כאשר נקודות נתונים הן מעטות

החלת שיטות פרוביביליסטיות לתחומים עם נתונים מוגבלים דורש יותר מאשר הפעלת סימולציה תוכנה. A גלגול עבודה מובנה תערובת השקיה כמותית עם תובנה גיאולוגית איכותית הוא חיוני.תהליך 10 הצעדים הבאים מספק מסגרת שניתן להתאים למגבלות ארגוניות לדרישות רגולטוריות.

(ב) [13] , [13] , [13] , [13] ,ל"ד) את הפרויקט עם מערכת מוכרת כגון FLT:2SPE PRMSFLT 3: 3 זה מבטיח קטגוריות פרובביליסטיות (למשל, 1C, 2C, 3C למשאבים contingent) יש משמעויות עקביות ברחבי הארגון.
(FLT:0) לקבוע מסד נתונים אנלוגי.FreaLT:1 , Gather כמו רבים אנלוגיים רלוונטיים ככל האפשר - שדות עם הגדרות פיקדונות דומות, סגנונות מלכודות ונכסים נוזליים. השתמש בנתונים ציבוריים, ארכיונים עסקיים, ומחקרים קונסורציום כדי לבנות התפלגות עבור יעילות שחזור נפח סלעי.
(FLT:0) שיקול דעת מומחה עם פרוטוקולים מובנה.IRLT:1 החלפה בלתי פורמלי "תחושה" עם מפגשים eliצטט מומחים רשמיים.הווה נתונים אנלוגיים, לבקש מכל מומחה להצדיק את ההערכות הנמוכות, הטובות והגבוהות שלהם, ולהשתמש ב aggregile משקל כדי לבנות התפלגות רחבה ראשונית.
(FLT:0) ויסליזציה של רשתות התלות התלויות התלויות של קונסולת התפוצה (FLT) 1 Plot מזהמים במטריקס.לדוגמה, נקבת מים ונפיחות בין כוכבים הם לעתים קרובות תואמים שלילית כי סלע עדין יותר עשוי להיות בעל פורוזיות נמוכה יותר אבל גבוה יותר שטף מים irducable. Building coefficients לתוך מנוע מונטה קרלו מונע זוג גבוה, 000 גבוה, 000 גבוה, 000, 000 גבוה, 000, 000, 000, 000, 000 נפיחות גבוהה, עלולים נפיחות גבוהה, 000 שטף גבוה יותר, 000 נפיחות גבוהה עלולים שטף גבוה יותר שטף גבוה יותר שטף גבוה יותר שטף גבוה יותר שטף גבוה יותר שטף גבוה יותר שטף גבוה יותר שטף גבוה יותר שטף גבוה יותר שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף גבוה שטף.
(FLT:0) סימולציה המדרגה הראשונה.FLT:1[עריכת קוד מקור | עריכה] מונטה קרלו ולבחון את תרשים הפלט קרורדו.אגרמת זו מדרגת פרמטרים של קלט על ידי השפעה על טווח אי הוודאות הכולל.בתרחישים של נתונים מלוחים, אחד או שניים משתנים - כגון אזור או גורם התאוששות - לעתים קרובות לשלוט בשחלות.הצוות יכול להתמקד במאמצים איסוף נתונים על פרמטרים אלה.
(FLT:0Apply Bayesian מעדכנת לולאות.earph:1 ; כמו תכונות סיסמיות חדשות, תוצאות בדיקה טובות, או נתוני ייצור מוקדם מגיעים, להפעיל מחדש את הסימולציה עם התפלגות מטושטשת מעודכנת.עקוב אחר האופן שבו טווח P90-P10 מתפתח; עדכון נאות צריך לצמצם את הטווח תוך כדי העברת המשמעות לכיוון ערך מרכזי יותר מחוספס.
(FLT:0) סטרס - מעיד על הפלט עם ניתוח תרחיש.BuildFLT:1 בנוסף למנהרות P90/P10/P10/P10, סימולציות מבוססות תרחיש המשקפות חלופות גיאולוגיות דיסקרטיות - התמוטטות בלתי חוקית, אקוויפר חלש, תא התאמה בשל דיסלקציה.
(FLT:0) ערך של מידע (VOI) ניתוח .I.R.1 השווה את טווח אי הוודאות הנוכחי עם טווח הפוסט-נתונים הצפוי לקבוע את ההוצאה המקסימלית האפשרית לרכישת מידע חדש.שלב זה מונע יתר על המידה על פני הערכה כאשר אי הוודאות כבר יעילה, ובאופן כללי מצדיק נתונים קריטיים כאשר הסיכון הנמוך הוא ללא ספק גבוה.
(FLT:0) הנחות יסוד ביסודיות.FLT:1 כל הפצה קלט, קידוד קורלציה ושווי הזרע צריך להיות תועדו כך שניתן לשחזר את כל ההערכות ולהתמודד על ידי מבקרים עצמאיים.
Peer review the probabilisticmodel. Before finalizing the estimate, have it reviewed by a team not directly involved in the project. Independent reviewers can identify hidden assumptions, overlooked dependencies, or inappropriate distribution choices that the project team may have inadvertently accepted.

דוגמאות מעשיות של יישומי נתונים של Sparse

חקר מים עמוק במפרץ גינאה

In a recent deepwater fan complex offshore West Africa, only a single discovery well had been drilled through a thick, amalgamated channel sequence. Core data spanned 18 meters, and seismic amplitude maps suggested a gross rock volume of 200 to 600 million cubic meters. The operator built separate distributions for net-to-gross using a global turbidite analogue database, assigning a beta distribution with a most-likely value of 0.6. Recovery factor was modelled with a triangular distribution considering heavy, viscous oil properties and planned subsea architecture. The initial Monte Carlo run produced a P90‑P10 range of 45 to 320 million barrels of recoverable oil. A year later, a second appraisal well pushed net-to-gross observations toward the upper end of the prior distribution. Bayesian updating narrowed the range to 110‑280 million barrels, providing confidence to sanction the development.

משחק בסיס מוכר בדרום מזרח אסיה

הפחתת המרתף השברירי של גוג'יאטנם מול מחסור בנתונים קיצוניים: התגלית הזרמה היטב 3,000 חביות ליום מטווח שבור, אך יומנים לא יכלו לכמת את הנפיחות או הקישוריות השבורות.המפעיל חשפה מודל רשת שבורה דיסקרטית באמצעות אנלוגיות חיצוניות של מנגנונים פרוצדורה דומה, אך תורגמו זאת למגוון יעיל של ערכי פורוזיות.

על החוף חזק גז באגן קופר

מפעיל באגן קופר של אוסטרליה התמודד עם האתגר של estimating עתודות עבור שדה חול חזק עם שלוש בארות אנכיות וללא היסטוריה ייצור. Porosities נע בין 7% ל-12%, אבל הערכות חדירות מגוונות על ידי שני הזמנות של גודל על בסיס מדידות ליבת Plug.הצוות השתמש בזרימת עבודה ביונסה מלאה, שבו התפלגות קודמת של החלפת חומרים בתחליפים היו נגזרות אנלוגית של 120 דולר ל-Fagency על פני שטח של 40 $, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000, 000 עבור קיבולת גבוהה יותר מאשר קיבולת גבוהה, 000 עבור קיבולת גבוהה, 000 עבור פיתוח יעיל עבור קיבולת גבוהה, 000 עבור קיבולת גבוהה יותר, 000, 000, 000, 000, 000 עבור קיבולת גבוהה יותר, 000, 000, 000, 000, 000 עבור קיבולת גבוהה יותר, 000, 000, 000, 000, 000, 000, 000, 000, 000 קיבולת גבוהה יותר, 000

שמן כבד ב-Orinoco Belt

ב-Orinoco Belt של ונצואלה, מפעיל נתקל לאתגר של משקעים בשלב רדום, לא פתור מאגר שמן כבד עם רק ארבעה בארות הערכה המכסה שטח 50 ק"מ. סקוסיטי מעל 1,000 cP, וגורמי התאוששות היו מאוד לא בטוחים בשל השימוש המתוכנן של ייצור קר עם בארות אופקיות.

השוואת דיסקרטיסטי והסתברותי

הערכות אובייקטיביות הן לעתים קרובות לא מובן כ"מדוייק יותר" משום שהן מייצרות מספר אחד. במציאות, המספר הזה בדרך כלל נמצא איפשהו בין P30 ל- P70 על עקומת ההסתברות האמיתית, בהתאם לתרבות החברה ולנטייה אישית.

פתרון חד-פעמי לא מציע אמצעי חישוב הסיכון הכלכלי הקשור למקרה נמוך בצד השני. מסגרת פרובביליסטית מאפשרת ערך נוכחי נטו (NPV) להיות מצמד עם כל תוצאה של מילואים, הניב עקומה של NPV המודיעה ישירות הקצאת הון.באולמות, הרבה יותר קל לדון ב"סיכוי של 30% כי הפרויקט לא יפגוש את קצב ההסתברות התאגידית" מאשר 0.35 החלמה.

בנוסף, שיטות פרוביביליסטיות מאפשרות ערך של ניתוח מידע (VOI) על ידי השוואת טווח אי הוודאות הנוכחי עם טווח הצפוי לאחר רכישת נתונים חדשים (למשל, סקר סיסמי 3D או מבחן ייצור), חברות יכולות לכמת את ההוצאה המקסימלית האפשרית לאיסוף מידע.זה בעל ערך מיוחד בסביבות בקושי נתונים שבו כל דולר על הערכות חייב להיות מוצדק בקפידה.

הערכות פרוביביליסטיות גם מאפשרות למשקיעים להבין את פרופיל הסיכונים המלא של חברות החברות בתעשייה, שדוחפות הוכיחו, סבירות וזמינות במונחים פרוביביליסטיים לאפשר למשקיעים להבין את פרופיל הסיכון המלא של התיק ולא מספר אחד של חברות שדווחו על ידי ה-FLT:0 סודיות ו- Exchange Commission (SEC) מודרניזציה של כלליה ב-2008FLT:1 כדי לאפשר שימוש בשיטות פרוביסטיות לדיווח מוכח, אשר לעיתים קרובות נכשלת על ידי פיתוח לא יציב וכשלו של פרויקטים מודרניים.

מלכודות ומגבלות נפוצות לצפייה

למרות היתרונות שלהם, גישות פרוביביליסטיות אינן חסינות לשימוש לרעה.מחסור בנתונים מגביר כמה סיכונים.מודעות למלכודות אלה היא הצעד הראשון להימנע מהם.

העיקרון "הגרב פנימה, אשפה" [ה]1: אם התפלגות קלט מעוגן אנלוגיה לא מציאותית או חשיבה רצונית, תפוקה תהיה חסרת משמעות.כל הערכה פרובביליסטית צריכה להיות מלווה בתיעוד יסודי של הוכחת כל הפצה.

(FLT:0) אבחון קורלציה.FLT:1 ,העצמאות בין הפרמטרים כאשר מערכות יחסים פיזיות קיימות (למשל, בין נקבוביות לבין נחיתות, או בין גורם ייצור ועומק) יכול באופן מלאכותי לצמצם את טווח הפלט ולהסתיר מקרים פסימיים באמת.

(ב) [ה]כלים השונים של ה-[[1924]], [[המאה ה-20]], [[1924]]]], [[1924]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]], [[1924]], [[1924]], [[1924]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]], [[[[1924]]]]]]]]]]]]]]]]]], [[[[1924]]]]]] [[[[1924]]]]]]]] [[[[[[[[1924]]

(FLT:0Misinterpreting P10 ו- P90.BuildFLT) 1 אנשי מקצוע שוכחים לפעמים כי הערכת P10 עולה רק 10% של מקרים מדומים; אם זה נעשה שימוש כ"צד" עבור החלטות השקעה, ההסתברות של under-delivery היא 90%.

(FLT:0) ,Skipping מומחה eliצטט רשמיות.IRLT:1 ; בתחומים ספורדי-נתונים, הסתברות סובייקטיבית היא המרכיב הדומיננטי.פגישות לא בנויות מעודדות שליטה על ידי הקול הבכיר ביותר ולא על ידי אחד מונע נתונים ביותר.שימוש בפרוטוקול הכחשה רשמית - כגון שיטת דלפי אוELF - משפר באופן דרמטי את איכות ההפצה.

(FLT:0Misapplication of P Values for Commercial Order.Build.archers) 1:1 חלק מה הרגולטורים דורשים עתודות מוכחות (P90) להיות מבוסס על שיטות חקוניות עם קריטריונים מוגדרים מראש. A Probabilistic P90 לא יכול להיות זכאי באופן אוטומטי אם המודל הבסיסי אינו עומד בהגדרות רגולטוריות.

(FLT:0) תוך התעלמות מההשפעה של קורלציה מרחבית.אנדרל:1; כאשר גרף כרכים על פני תאים מרובים של מאגרים, התעלמות מתאמים מרחביים יכול להוביל להפחתה משמעותית של חוסר ודאות מוחלט. השתמש בטכניקות גיאוסטאליות כגון סימולציה של גאוסטנסינטית של גאווסיאן לייצר מודלים מרחביים מציאותיים אשר ניזונים לתוך המסגרת הפרוביסטית.

(FLT:0)Failure לעדכן לאחר נתונים חדשים.BuildFLT:1 , A Probabilistic הערכה היא לא תרגיל חד פעמי.כפי שהשדה בוגר, יש לעדכן את ההתפלגוות כדי לשקף מידע חדש.עדכון Bayesian מספק דרך עקרונית לעשות זאת, אבל כמה צוותים לא מצליחים לשחזר את הערכותיהם עד שיידרשו בדיקה חובה.

כלי תוכנה חיוניים ושיקולים Computational

הערכה מודרנית של פרוביביליסטית לעתים רחוקות מסתמכת על ההרחבה בלבד מונטה קרלו, למרות שהם נשארים פופולריים במחקרים קטנים.כלי אנטרפרייז-Strength משלבים מאגר גיאוגרפיסטטיסטים עם אי ודאות קוונטית.

(ב) ו[דרוש מקור] [ה]] [ה] [ה]] [ה]][דרוש מקור]] [ה]]]] [ה[[המאה ה-1], ו[ה[[1924]]]]], ו[[1924]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]] ו[[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]]], [[1924]]]]]], [[[[1924]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]]], [[[[1924]]]]]], [[[[1924]]]], [[[[1924]]]]]]]] [[[[[[1924]]]]

(ב) ,0 פיטרומטמאלף 1:2 ו-[[1924]] ,[[1924]]]]]] ו[[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]], [[1924]]]]]]]], [[1924]]]]]]]]]], [[1924]]]]]]]]]]]]]]]]

ספרי קוד פתוח כגון FLT:0 sciPycioFLT:1 ו- (FLT:2 PyMC303FLT 3) 3 מאפשר זרימת עבודה אישית Bayesian עבור חברות עם כישרון מדעי נתונים בתוך בית הספר, ניתן לבנות תסריטים Python כדי לממשק עם סימולטורים של מאגרים כמו ECLIPSE או F:4LTF:5 עבור התמחויות מלאות.

(ב) מנועים מבוססי ענן (למשל, FLT:0 Zonee BatchFillo:1 או FLT:2AWS ParallelClustercioFLT 3:) בקנה מידה של מאות ל מיליוני קטורות בקלות, הבטחת פרמטר גדול מתאם מטבול לא הופך לצוואר חישובי.

(FLT:0)RM (Rapid Modeler)FLT:1 על ידי Geo Modelling Tech מספק ממשק מפלט לבניית מודלים נפחיים פרוביביליסטיים עם קישורים ישירים למאגרי המידע של GIS עבור סטטיסטיקות אנלוגיות.

(ב) [15] ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇ ⁇

ללא קשר לכלי, זרימת העבודה צריכה להיות שקוף וקריאה ביקורתית.כל הפצה של קלט, קורלציה ושווי הזרע צריך להיות תועדו כך שכל ההשמדה ניתן לשחזר ולהתמודד על ידי מבקרים עצמאיים.

חשיבה פרובביליסטית בתרבות הארגונית

אימוץ שיטות פרוביביליסטיות לא יכול להצליח באמצעות תהליך המנדטים בלבד.זה דורש שינוי תרבותי שבו גיאו-מדעיים ומהנדסים נוח לומר "הטווח רחב" ולא להגן על מספר דטרמיניסטי רב. תוכניות הכשרה צריך לכלול תרגילים עם מסדי נתונים אנלוגיים, סימולציות חיקוי מומחים, ו cabration נגד ההיסטוריה של הייצור שבו יש זמן, לפתח אינטואיציה על הצורה המהירה של התפלגות טבע מוקדם, אפילו הסתברותית, תוך כדי ביצוע בדיקות מוקדם.

ניהול חייב להיות משכיל על ההבדל בין "הנחשות הטובה ביותר" לבין פי 50, ומדוע השימוש האחרון עבור תקציב אינו מייצג את ההפרטה שרירותית, אלא הוא תואמים לסטנדרטים בתעשייה.ה-FLT:0PRMS הנחיות החלמות FLT:1 במפורש תומכים שיטות פרוביסטנטיות, וחילופי מניות רבים עכשיו לקבל רזרבות מוכחות, שילוב נוסף של הגישה הפיננסית של התעשייה.

סדנאות פנימיות המדדמות תרגיל קוונטי אי ודאות מלא - החל מבד ריק עם נתונים אנלוגיים והתקדמות דרך תיק תיק aggregation - עוזר לבנות זיכרון שרירים.חלק מפעילי הקימו "אלהפים בלתי-בטוחים" בתוך קבוצות נכסים כדי לשמור על משמעת ולהבטיח כי כל ההערכות המשמעותיות נבדקות באמצעות שיטות פרובינציאליסטיות.

עוד תרגול יעיל הוא להחזיק מעמדות "ביקורת בלתי-מידית" השנתיים שבו כל צוות נכסים מציג את האבולוציה של הערכות המילואים הפרוביביליסטיות שלו במהלך השנה האחרונה.ההתמקדות אינה בשאלה האם המשמעות השתנתה, אלא אם הטווח הצר כמצופה בנתונים שנרכשו.זה יוצר אחריות על החלטות רכישת נתונים ומטפחת חשיבה מתמשכת.

מגמות עתידיות: מינוף למידת מכונות ולמידה בזמן אמת

מחסור בנתונים תמיד יהיה מציאות של חקר גבולות, מחזות לא קונבנציונליים, ושדות שבהם עלות המידע תפחית את הערך המיידי של המשאב.

(FLT:0) למידה של מכונות לבנייה קודמת.FLT:1 מאגרי מידע אנלוגיים גלובליים מכילים כיום עשרות אלפי רשומות של מאגרים. אלגוריתמים למידה מכונה - כגון יערות אקראיים, חיזוק ורשתות עצביות - ניתן לאמן על מסדי נתונים אלה כדי לחזות התפלגות הסתברות עבור מאגרים המבוססים על בסיס מיקום פיקדונות, עומק, סוג נוזל, ומשטר טקטוני זה יכול להיות יותר מאשר מומחים דומים של לוכדים.

(FLT:0) בזמן אמת Bayesian עדכון.FearLT:1 ,As שדות להיכנס הייצור, זרמים רצופים של לחץ, קצב, ונתוני הרכב נוזל להיות זמין.אוטומטיים על מסגרות Bayesian עדכון יכול למקם את הנתונים האלה בזמן כמעט-מציאותי, לעדכן הערכות מדי יום או שבועי במקום לחכות לדו"ח רזרבות שנתיות, לעתים נקראות "חיים", מאפשר לזהות מוקדם ביצועים והתאמות בהתאם לתכניות הפיתוח.

(FLT:0) אי הוודאות המשולבת קוונטית (FLT:1) הדור הבא של סימולציה של המאגר יהטמיע התפלגות פרוביליסטית ישירות לתוך סימולטור, ולא לרוץ לולאות מונטה קרלו נפרדות סביב סימולטור דטרמיניסטי פועל.אינטגרציה זו מאפשרת אי-ודאות תלויה זרימה (למשל, יחסי hysteresis, שינוי רטוב) להיות מוגדל לחלוטין באמצעות תחזיות, גורמות להפרעות לא-יתר דיוק, להפרעות לא-יתר דיוק, להפרעות של גורמות להפרעות לא-מסוגיות חשובות.

בעוד התעשייה דוחפת למים עמוקים יותר, סלעים הדוקים יותר, והגדרות גיאולוגיות מורכבות יותר, היכולת ליצור הערכות הסתברותיות חזקות עם נתונים קשיחים מינימליים יפרידו מפעילים אשר מספקים באופן עקבי מאלה אשר שוב ושוב יותר ויותר מלמטה-deliver.הטכניקות הן בוגרות; הכלים נגישים; האתגר שנותר הוא הרצון למסד ניהול אי-ודאות כנה בכל שלב של חברות שדה.