A Method of Quantitative Evaluation of Diagenetic Reservoir Facies of Tight Gas Reservoirs With Logging Multi-Parameters: A Case Study in Sulige Area, Northern Ordos Basin, China
Notice bibliographique
Résumé
Reservoir and flow characteristics of low, ultra-low permeability tight sandstone reservoir were largely controlled by diagenesis in reservoir assessment. In previous studies, diagenesis were researched only by using core analysis data, and it was difficult that diagenetic reservoir facies of the interval and the well without core analysis data were evaluated. Therefore, it was easy and quick that diagenetic reservoir facies were characterized with logging response characteristics which were extracted effectively. Taking tight gas reservoirs for example in Sulige area, northern Ordos Basin, China, logging response characteristics of different classification were analyzed by multiple samples with core analysis data, and the quantitative evaluation index of diagenetic reservoir facies based on logging multi-parameter was set up. A method of quantitative evaluation of diagenetic reservoir facies of tight gas reservoirs with logging multi-parameters was formed in the method of integration of analysis technology of Grey theory, and the accuracy and availability of the method were evaluated. The results shown that non-digitalized problems of diagenetic reservoir facies evaluation was solved by the digitalization method of logging multi-parameters, and the rate of accuracy, of returned classification using methods of mutual test, reached to 91.2%. The results provided a new and effective evaluation approach of low, ultra-low permeability tight sandstone reservoir.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».