Utilizing data available from the Kentucky Geonet (KYGeonet.ky.gov) the fossil fuel mining locations created by the Kentucky Geological Survey geo-locating oil and gas wells are mapped using ESRI ArcGIS in Kentucky single plain 1602 ft projection. This data was then exported into a spreadsheet showing latitude and longitude for each point to be used for modeling at different scales to determine the fractal dimension of the set. Following the porosity and diffusivity studies of Tarafdar and Roy1 we extract fractal dimensions of the fossil fuel mining locations and search for evidence of scaling laws for the set of deposits. The Levy index is used to determine a match to a statistical mechanically motivated generalized probability function for the wells. This probability distribution corresponds to a solution of a dynamical anomalous diffusion equation of fractional order that describes the Levy paths which can be solved in the diffusion limit by the Fox H function ansatz.


翻译:利用肯塔基地理网(KYGeenet.ky.gov)提供的数据,利用肯塔基地质调查局地理分布石油和天然气井建立的矿物燃料开采地点,在肯塔基州单一平原1602英尺的投影中使用ESRI ArcGIS进行测绘,然后将这些数据导出到一个电子表格中,显示每个点的纬度和经度,用于在不同尺度上进行建模,以确定集的分形尺寸。在对Tarafdar和Roy1进行的孔隙和分解性研究之后,我们提取了矿物燃料开采地点的分形尺寸,并查找了一组矿床的测量法证据。利维指数用于确定与该油井以机械为动力的统计性通用概率函数的匹配。这一概率分布与分数顺序的动态反常态扩散方程式的解决方案相对应,该方程式描述在Fox H函数的扩展限制下可以解决的Levy路径。

0
下载
关闭预览

相关内容

Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
学习自然语言处理路线图
专知会员服务
139+阅读 · 2019年9月24日
异常检测论文大列表:方法、应用、综述
专知
126+阅读 · 2019年7月15日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
24+阅读 · 2019年11月24日
Arxiv
9+阅读 · 2018年1月4日
VIP会员
相关VIP内容
Stabilizing Transformers for Reinforcement Learning
专知会员服务
60+阅读 · 2019年10月17日
强化学习最新教程,17页pdf
专知会员服务
177+阅读 · 2019年10月11日
学习自然语言处理路线图
专知会员服务
139+阅读 · 2019年9月24日
相关资讯
异常检测论文大列表:方法、应用、综述
专知
126+阅读 · 2019年7月15日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
28+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
17+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员