Quantitative Geosciences: Data Analytics, Geostatistics, Reservoir Characterization and Modeling

علوم زمین در عصر دیجیتال به طور فزاینده‌ای کمی می‌شود. کمی سازی مسائل علوم زمین و مهندسی زیربنای بسیاری از کاربردهای کلان داده و هوش مصنوعی است. این کتاب علوم کمی زمین را در سه بخش ارائه می کند. بخش 1 تجزیه و تحلیل داده ها را با استفاده از روش های احتمال، آماری و یادگیری ماشینی ارائه می کند. بخش 2 خصوصیات مخازن را با استفاده از چندین رشته علوم زمین پوشش می دهد: از جمله زمین شناسی، ژئوفیزیک، پتروفیزیک و زمین آمار. بخش 3 به مدل‌سازی مخزن، ارزیابی منابع و تحلیل عدم قطعیت با استفاده از روش‌های یکپارچه علوم زمین، مهندسی و زمین‌آمار می‌پردازد. از آنجایی که صنعت نفت به سمت بهره برداری دیجیتالی از میادین نفتی پیش می رود، یک مجموعه مهارت چند رشته ای برای دانشمندان زمین شناسی ضروری است که نیاز به استفاده از تجزیه و تحلیل داده ها برای حل تناقضات در منابع مختلف داده ها، مدل سازی ویژگی های مخزن، ارزیابی عدم قطعیت ها و تعیین کمیت ریسک برای تصمیم گیری دارند. این کتاب قصد دارد به عنوان پلی برای پیشبرد یکپارچگی چند رشته ای در زمینه های دیجیتال باشد. هدف این است که فراتر از استفاده از روش های کمی به صورت جداگانه به یک تحلیل توصیفی-کمی یکپارچه حرکت کنیم. در کلان داده، همه چیز چیزی به ما می گوید، اما هیچ چیز همه چیز را به ما نمی گوید. این کتاب بر راه حل های یکپارچه و چند رشته ای برای مشکلات عملی در ارزیابی منابع و توسعه میدانی تأکید دارد.

Earth science is becoming increasingly quantitative in the digital age. Quantification of geoscience and engineering problems underpins many of the applications of big data and artificial intelligence. This book presents quantitative geosciences in three parts. Part 1 presents data analytics using probability, statistical and machine-learning methods. Part 2 covers reservoir characterization using several geoscience disciplines: including geology, geophysics, petrophysics and geostatistics. Part 3 treats reservoir modeling, resource evaluation and uncertainty analysis using integrated geoscience, engineering and geostatistical methods. As the petroleum industry is heading towards operating oil fields digitally, a multidisciplinary skillset is a must for geoscientists who need to use data analytics to resolve inconsistencies in various sources of data, model reservoir properties, evaluate uncertainties, and quantify risk for decision making. This book intends to serve as a bridge for advancing the multidisciplinary integration for digital fields. The goal is to move beyond using quantitative methods individually to an integrated descriptive-quantitative analysis. In big data, everything tells us something, but nothing tells us everything. This book emphasizes the integrated, multidisciplinary solutions for practical problems in resource evaluation and field development.