• Bokmål
  • English

Nettstedskart

SAND

SAND

Statistisk Analyse av Naturressurs Data - SAND

SAND ble etablert i 1984, og er en betydelig internasjonal bidragsyter til forskning og tjenester innen reservoarbeskrivelse, stokastisk modellering og geostatistikk for oljeindustrien. Vårt primære mål er å bruke statistiske metoder for å redusere og kvantifisere risiko og usikkerhet. Hovedområdet er stokastisk modellering av geologi i petroleumsreservoarer inkludert oppskalering og historie matching. Vi har også en betydelig aktivitet på alle typer risikokvantifisering, primært innen energisektoren.

Ansatte har bakgrunn i statistikk, matematikk, fysikk, numerisk analyse og informatikk. For å sikre at vi jobber med interessante og relevante problemstillinger for petroleumsindustrien, har vi nært samarbeid med fagfolk innen geo-vitenskap når dette er relevant for prosjektet. De fleste prosjektene er finansiert av oljeselskaper, programvareleverandører innen oljeindustrien og forskningsprosjekter sponset av EU-kommisjonen og Norges forskningsråd.

Forskningsområder


Siste 5 vitenskapelige artikler

    Almendral Vazquez, Ariel; Dahle, Pål; Abrahamsen, Petter; Sektnan, Audun. Consistent prediction of well paths and geological surfaces. Computational Geosciences (ISSN 1420-0597). doi: 10.1007/s10596-024-10310-0. 2024.

    Ovanger, Oscar; Eidsvik, Jo; Skauvold, Jacob; Hauge, Ragnar; Aarnes, Ingrid. Addressing Configuration Uncertainty in Well Conditioning for a Rule-Based Model. Mathematical Geosciences (ISSN 1874-8961). 56 pp 1763-1788. doi: 10.1007/s11004-024-10144-7. 2024.

    Lilleborge, Marie; Hauge, Ragnar; Fjellvoll, Bjørn; Abrahamsen, Petter. Using Pattern Counts to Quantify the Difference Between a Pair of Three-Dimensional Realizations. Mathematical Geosciences (ISSN 1874-8961). 56(8) pp 1629-1639. doi: 10.1007/s11004-024-10145-6. 2024.

    Lee, Daesoo; Ovanger, Oscar; Eidsvik, Jo; Aune, Erlend; Skauvold, Jacob; Hauge, Ragnar. Latent Diffusion Model for Conditional Reservoir Facies Generation. arXiv 2023.

    Sanchis, Charlotte Juliette Semin; Kolbjørnsen, Odd. Sampling-Free Bayesian Inference for Local Refinement in Linear Inversion Problems with a Latent Target Property. IEEE Transactions on Geoscience and Remote Sensing (ISSN 0196-2892). 61 doi: 10.1109/TGRS.2023.3301717. 2023. Institutional archive 

Publikasjoner i 2024, 2023, 2022, 2021, 2020, tidligere år
Postadresse:
Norsk Regnesentral
Postboks 114 Blindern
0314 Oslo
Besøksadresse:
Norsk Regnesentral
Gaustadalleen 23a
Kristen Nygaards hus
0373 Oslo
Tlf:
(+47) 22 85 25 00
Adresse Hvordan komme til NR
Sosiale media Del på sosiale media
Personvernerklæring Personvernerklæring
Postadresse: Norsk Regnesentral, Postboks 114 Blindern, 0314 Oslo
Besøksadresse: Norsk Regnesentral, Gaustadalleen 23a, Kristen Nygaards hus, 0373 Oslo
Tlf: (+47) 22 85 25 00
AdresseHvordan komme til NR