Модель локального переноса урезки – улучшение оценки за счёт «локальности»

Помимо оптимизации поисковых параметров приложение Supervisor  от Snowden теперь включает процесс, который предотвращает неоправданное занижение содержаний глобальной урезкой в зонах присутствия нескольких богатых проб.

Традиционно при оценке ресурсов ко всем блокам применяются одинаковые параметры интерполяции, а фиксированная урезка применяется ко всем пробам в домене, хотя каждая ячейка при этом оценивается независимо. Локальная оптимизация параметров кригинга (LKNO) появилась в Supervisor в 2019 для нахождения оптимальной комбинации поисковых параметров для каждой отдельной ячейки. Хотя LKNO оптимизирует выбор проб относительно модели вариограммы, локальная изменчивость используемых проб при этом не учитывается.

Модель локального переноса урезки позволяет применять индивидуальные параметры урезки проб по каждой ячейке. Степень урезки определяется дистанцией между пробой и центроидом ячейки. Чем ближе проба к ячейке, тем меньше степень урезки. Урезка усиливается до достижения указанной дистанции, после чего применяется глобальная урезка. Степень изменения урезки с дистанцией задаётся пользователем. Зависимость урезки от коэффициента изменения показана на рисунке ниже:

Модель локального переноса позволяет оценить влияние ураганов на интерполяцию каждой ячейки, а при использовании совместно с анализом глобальной урезки, а также LKNO для оптимизации поисковых параметров, можно получить ресурсную модель с учётом не только глобальных факторов, но и локальной изменчивости содержаний.

Нажмите здесь, чтобы узнать больше или скачать демо бесплатно.