Traditional regression methods only

Traditional regression methods only use data available at the target location and fail to use existing spatial correlations from secondary-data control points and the primary attribute to be estimated.[6] Cokriging methods are used to take advantage of the covariance between two or more regionalized variables that are related, and are appropriate when the main attribute of interest (well data) is sparse, but related secondary information (seismic) is abundant. Geostatistical-data-integration methods yield more-reliable reservoir models because they capitalize on the strengths of both data types.

The mutual spatial behavior of regionalized variables (RVs) is known as co-regionalization. Cokriging requires the same conditions to be satisfied as kriging does, but demands more variography, modeling, and computation time. Interestingly, though, the support effect is handled in cokriging through the cross-covariance function, such that many different types and scales of data are integrated easily.8,2,4,5,6,10 [2] [4] [5] [6] [8] [10]

The common cokriging methods are multivariate extensions of the kriging system of equations, and use two or more additional attributes. The four common cokriging methods are simple, ordinary, collocated, and indicator.

Simple cokriging uses a multivariate spatial model and a related secondary 2D or 3D attribute to guide the interpolation of a primary attribute known only at well locations. The mean is specified explicitly and assumed to be a global constant.

Ordinary cokriging is similar to simple cokriging in that the mean is assumed constant, but it differs in that rather than being specified globally, the mean is estimated locally within each set of neighborhood control points.

Collocated cokriging can be simple or ordinary. It uses all the primary data, as before, but also includes one or more secondary-data values that have locations different than for the well data.

Indicator cokriging can be simple or ordinary, and estimates the probability or proportion of a discrete attribute at each grid node (e.g., lithology or productivity), and requires binary coding of the primary and secondary attributes. A modified form of indicator cokriging is indicator collocated cokriging.

ผลลัพธ์ (ไทย) 1:

วิธีการถดถอยแบบดั้งเดิมใช้ข้อมูลพื้นที่เป้าหมายเฉพาะ และล้มเหลวในการใช้ความสัมพันธ์เชิงพื้นที่ที่มีอยู่จากจุดควบคุมการสำรองข้อมูลและแอตทริบิวต์หลักจะประมาณ [6] Cokriging วิธีใช้ประโยชน์แปรปรวนระหว่างสอง หรือมากกว่าสองตัวแปรนั้นที่เกี่ยวข้อง และเหมาะสมเมื่อแอตทริบิวต์หลักน่าสนใจ (ข้อมูลดี) ห่าง แต่ข้อมูลรองที่เกี่ยวข้อง (สั่นสะเทือน) มีมากมาย วิธีการรวมข้อมูล Geostatistical ผลรุ่นอ่างเก็บน้ำที่เชื่อถือได้มากขึ้นเนื่องจากพวกเขาประโยชน์จากจุดแข็งของทั้งสองชนิดข้อมูลการทำงานเชิงพื้นที่ร่วมกันมีตัวแปร (RVs) เรียกว่ารับระบบเลือกร่วม Cokriging ต้องใช้เงื่อนไขเดียวกันเพื่อให้มั่นใจกับ kriging แต่ต้องการ variography โมเดล และคำนวณเวลา น่าสนใจ แม้ว่า ผลสนับสนุนจัดการใน cokriging ผ่านฟังก์ชันข้ามแปรปรวน ซึ่งมีหลายชนิดและเครื่องชั่งของข้อมูลจะรวม easily.8,2,4,5,6,10 [2] [4] [5] [6] [8] [10]วิธีการ cokriging ทั่วไปจะขยายแบบหลายตัวแปรของระบบ kriging สมการ และใช้แอตทริบิวต์เพิ่มเติมที่สองราย หรือมากกว่า สี่วิธี cokriging ทั่วไป สามัญ collocated และตัวบ่งชี้Cokriging ง่ายใช้พื้นที่แบบตัวแปรพหุและที่เกี่ยวข้องรอง 2D หรือ 3D แอตทริบิวต์แนะนำวิธีการประมาณค่าของแอตทริบิวต์หลักที่รู้จักกันเฉพาะที่ตำแหน่งที่ตั้งที่ดี หมายถึงเป็นระบุอย่างชัดเจน และถือว่าเป็นค่าคงสากลCokriging สามัญจะคล้ายกับ cokriging ง่ายในที่หมายถึงคือสันนิษฐานคง แต่มันแตกต่างที่ มากกว่าการระบุทั่วโลก เฉลี่ยประมาณภายในแต่ละชุดของจุดควบคุมย่านCollocated cokriging ได้ง่าย หรือธรรมดา มันใช้หลักข้อมูล เป็นก่อน แต่ยัง มีอย่าง น้อยหนึ่งค่าข้อมูลรองที่มีที่ตั้งที่แตกต่างสำหรับข้อมูลดีตัวบ่งชี้ cokriging สามารถธรรมดา หรือ สามัญ และประเมินความน่าเป็นหรือสัดส่วนของแอตทริบิวต์แยกกันในแต่ละโหนตาราง (เช่น lithology หรือผลผลิต), และต้องเขียนโค้ดไบนารีของแอตทริบิวต์หลัก และรอง แก้ไขรูปแบบ cokriging ตัวบ่งชี้คือ ตัวบ่งชี้ collocated cokriging

ผลลัพธ์ (ไทย) 2:

วิธีการถดถอยแบบดั้งเดิมจะใช้ข้อมูลที่มีอยู่ในสถานที่เป้าหมายและล้มเหลวในการใช้ความสัมพันธ์เชิงพื้นที่จากจุดควบคุมรองข้อมูลและแอตทริบิวต์หลักที่มีอยู่เพื่อจะประมาณ. [6] วิธีการ Cokriging จะใช้ในการใช้ประโยชน์จากความแปรปรวนร่วมระหว่างสองคนหรือภูมิภาคอื่น ๆ ตัวแปรที่เกี่ยวข้องและมีความเหมาะสมเมื่อแอตทริบิวต์หลักที่น่าสนใจ (ข้อมูลกัน) จะเบาบาง แต่ข้อมูลทุติยภูมิที่เกี่ยวข้องกัน (แผ่นดินไหว) เป็นที่อุดมสมบูรณ์ วิธีการ Geostatistical ข้อมูลบูรณาการให้ผลผลิตรุ่นอ่างเก็บน้ำมากขึ้นมีความน่าเชื่อถือเพราะพวกเขาใช้ประโยชน์จากจุดแข็งของทั้งสองชนิดข้อมูล. พฤติกรรมเชิงพื้นที่ร่วมกันของตัวแปรภูมิภาค (RVs) เป็นที่รู้จักกันเป็นผู้ร่วมภูมิภาค Cokriging ต้องใช้เงื่อนไขเดียวกันมีความพึงพอใจเป็น kriging ไม่ แต่เรียกร้อง variography การสร้างแบบจำลองและเวลาในการคำนวณมากขึ้น ที่น่าสนใจ แต่ผลการสนับสนุนจะถูกจัดการใน cokriging ผ่านฟังก์ชั่นข้ามแปรปรวนเช่น easily.8,2,4,5,6,10 ว่าหลายประเภทต่าง ๆ และเครื่องชั่งน้ำหนักของข้อมูลแบบบูรณาการ [2] [4] [5 ] [6] [8] [10] วิธีการ cokriging ทั่วไปส่วนขยายหลายตัวแปรของระบบ kriging ของสมการและใช้สองหรือเพิ่มเติมคุณลักษณะ สี่วิธี cokriging ทั่วไปมีความเรียบง่ายธรรมดา collocated และดัชนี. cokriging ง่ายใช้รูปแบบเชิงพื้นที่หลายตัวแปรและเกี่ยวข้องกับ 2D 3D รองหรือแอตทริบิวต์เพื่อเป็นแนวทางในการแก้ไขของคุณลักษณะหลักที่รู้จักกันเท่านั้นที่ดีสถานที่ตั้ง หมายถึงมีการระบุไว้อย่างชัดเจนและถือว่าเป็นค่าคงที่ทั่วโลก. cokriging สามัญคล้ายกับ cokriging ง่ายในการที่หมายถึงคือสันนิษฐานว่าคง แต่มันก็มีความแตกต่างในการที่มากกว่าการระบุทั่วโลกที่มีค่าเฉลี่ยอยู่ที่ประมาณในประเทศภายในชุดของการควบคุมแต่ละแถว จุด. Collocated cokriging ได้ง่ายหรือสามัญ จะใช้ข้อมูลปฐมภูมิทั้งหมดเป็นมาก่อน แต่ยังรวมถึงหนึ่งหรือมากกว่าค่ารองข้อมูลที่มีสถานที่ที่แตกต่างจากข้อมูลที่ดี. ดัชนี cokriging ได้ง่ายหรือสามัญและประมาณการความน่าจะเป็นหรือสัดส่วนของแอตทริบิวต์ที่ไม่ต่อเนื่องในแต่ละ ตารางโหนด (เช่น lithology หรือการผลิต) และต้องเขียนโค้ดไบนารีของแอตทริบิวต์ประถมศึกษาและมัธยมศึกษา รูปแบบการแก้ไขของ cokriging ตัวบ่งชี้ที่เป็นตัวบ่งชี้ collocated cokriging

ผลลัพธ์ (ไทย) 3:

วิธีการถดถอยแบบดั้งเดิมจะใช้ข้อมูลที่มีอยู่ในสถานที่เป้าหมาย และล้มเหลวในการใช้ความสัมพันธ์เชิงพื้นที่ที่มีอยู่จากจุดควบคุมข้อมูลทุติยภูมิและคุณลักษณะหลักที่จะคาดการณ์ [ 6 ] วิธีการ cokriging ใช้เพื่อใช้ประโยชน์จากความแปรปรวนระหว่างสองคนหรือมากกว่า regionalized ตัวแปรที่เกี่ยวข้อง และเหมาะสม เมื่อคุณสมบัติหลักของดอกเบี้ย ( ข้อมูลดี ) จะเบาบาง แต่เกี่ยวข้องกับข้อมูลทุติยภูมิ ( แผ่นดินไหว ) มากมาย วิธีการรวมข้อมูล geostatistical ผลผลิตรุ่นอ่างเก็บน้ำที่เชื่อถือได้มากขึ้นเพราะพวกเขาใช้ประโยชน์จากจุดแข็งของข้อมูลทั้งสองชนิดพฤติกรรมซึ่งกันและกันพื้นที่ regionalized ตัวแปร ( RV ) เรียกว่า Co ภูมิภาค . cokriging ต้องใช้เงื่อนไขเดียวกัน เป็นคริกกิ้งไม่พอใจ แต่ความต้องการ variography , โมเดลลิ่ง , และเวลาในการคำนวณได้ ทั้งนี้ แม้ว่าผลสนับสนุนการจัดการใน cokriging ผ่านข้ามความแปรปรวนฟังก์ชัน เช่นที่หลายประเภทและระดับของข้อมูลมีการบูรณาการได้อย่างง่ายดาย 8,2,4,5,6,10 [ 2 ] [ 4 ] [ 5 ] [ 6 ] [ 8 ] [ 10 ]วิธีการ cokriging ทั่วไปรวมถึงส่วนขยายของคริกกิ้งระบบสมการ และใช้สองหรือมากกว่าเพิ่มแอตทริบิวต์ 4 วิธีง่าย ๆ cokriging ธรรมดา , สามัญ , วางไว้ , และตัวบ่งชี้cokriging อย่างง่ายใช้แบบหลายตัวแปรและพื้นที่ที่เกี่ยวข้องมัธยมศึกษา 2D หรือ 3D คุณลักษณะคู่มือสอดแทรกคุณลักษณะหลักที่รู้จักกันเพียงในสถานที่ดี ความหมายคือที่ระบุไว้อย่างชัดเจน และถือว่าเป็นค่าส่วนกลางcokriging ธรรมดาคล้ายกับ cokriging ง่ายในที่หมายความว่าถือว่าคงที่ แต่มันแตกต่างในนั้นมากกว่าที่ถูกระบุโดยเฉลี่ยประมาณภายในภายในแต่ละชุดของละแวกจุดควบคุมวางไว้ cokriging ได้ง่ายหรือธรรมดา มันใช้ทั้งข้อมูลปฐมภูมิ เช่นเดิม แต่ยังรวมถึงการหนึ่งหรือมากกว่าข้อมูลทุติยภูมิ ค่าที่มีสถานที่ที่แตกต่างกันกว่าดีข้อมูลตัวบ่งชี้ cokriging ได้ง่ายหรือธรรมดา และการประเมินความน่าจะเป็น หรือสัดส่วนของแอตทริบิวต์ในแต่ละตารางโหนดไม่ต่อเนื่อง ( เช่น การศึกษาทางธรณีวิทยาหรือการผลิต ) , และต้องใช้ไบนารีรหัสของแอตทริบิวต์ของประถมศึกษาและมัธยมศึกษา การปรับเปลี่ยนรูปแบบของตัวบ่งชี้ cokriging เป็นตัวบ่งชี้วางไว้ cokriging .