MétaCan
Menu
Retour à la cohorte
Enregistrement W1820285898 · doi:10.3968/j.aped.1925543820120402.812

Estimation of Multiple Petrophysical Parameters for Hydrocarbon Reservoirs with the Ensemble-Based Technique

2012· article· en· W1820285898 sur OpenAlexaffvenue
Heng Li, Daoyong Yang

Notice bibliographique

RevueAdvances in petroleum exploration and development · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueReservoir Engineering and Simulation Methods
Établissements canadiensUniversity of Regina
Organismes subventionnairesnon disponible
Mots-clésPetrophysicsEnsemble Kalman filterRelative permeabilityPermeability (electromagnetism)PorosityReservoir simulationPetroleum engineeringKalman filterGeologyExtended Kalman filterStatisticsMathematicsGeotechnical engineeringChemistry

Résumé

récupéré en direct d'OpenAlex

The ensemble-based history matching technique has been successfully applied to simultaneously estimate multiple petrophysical parameters for hydrocarbon reservoirs. The tuning petrophysical properties include horizontal and vertical permeability, porosity and three-phase relative permeability curves. Four scenarios with different combination of the tuning parameters have been evaluated. The ensemble-based history matching technique is found to be capable of estimating multiple petrophysical parameters by conditioning the reservoir geological models to production history. The uncertainty range of production data generated from the updated models is reduced compared to that of initial models. However, the history-matched models may not always provide good production prediction results, especially when absolute permeability and relative permeability are tuned simultaneously. This further illustrates the non-uniqueness of the history matching solutions. In addition, three-phase relative permeability curves are found to be estimated with good accuracy when absolute permeability fields are known. Key words : Petrophysical parameters; Assisted history matching; Ensemble kalman filter (EnKF); PUNQ-S3 model

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,018

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,267
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAdvances in petroleum exploration and developmentMême sujetReservoir Engineering and Simulation MethodsTravaux en français237 207