Velocity modeling workflows for sub‐salt geopressure prediction: a case study from the Lower Tertiary trend, Gulf of Mexico
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Some of the most active and high profile hydrocarbon plays currently being explored and developed around the world lie below a complex salt canopy. Accurate predrill prediction of sub‐salt pore and fracture pressures is technically challenging, yet remains critical for mitigating drilling risk and reducing exploration and development costs. The objective of this paper is to highlight how 3‐D velocity modeling methodologies can be applied to accurately predict sub‐salt geopressures. An example data set from the Lower Tertiary trend of deep water Gulf of Mexico is utilized to demonstrate the key data requirements and earth modeling procedures, and to compare predicted results with postwell drilling reports and measured well data. Central to this approach is a 3‐D layered earth model. It is the basis for cross‐discipline data integration and provides an ideal platform for well property interpolation, velocity–density–pressure transformations, characterization of geomechanical rock properties, multiwell planning, and drilling risk assessment. Although the main goal of the work is accurate predrill predictions of both pore pressure and fracture pressure for improved well design, these multi‐attribute models also provide superior depth prognoses and can be utilized for hydrocarbon column height assessment and seal breach risking, as well as for lithological discrimination. Furthermore, model properties can be incorporated into geomechanical models for detailed wellbore stability analysis. By adopting an earth‐model centric workflow, more reliable and robust predrill geopressure predictions have resulted. This has had a positive impact on well design efficiencies and minimized drilling downtime arising from well control events.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle