Seismic and Well Log Reprocessing, Re-interpretation and Geostatistical Inversion Yields More Detailed View of Yuzhno Khilchuyu Field
Notice bibliographique
Résumé
Abstract LUKoil and ConocoPhillips formed the joint venture company NaryanMarNefteGaz (NMNG) to develop jointly owned licenses in the Timan-Pechora Basin. The Yuzhno Khilchuyu license lies in this province and, is expected to be one of the largest and most prolific fields in the region. Development of the Yuzhno Khilchuyu Field requires a huge initial investment in infrastructure, drilling and transportation. Successfully achieving acceptable reserves and production levels from the field will be critical to offset these investments. To meet this challenge a more detailed understanding of the reservoir is needed to optimize well placement. In 2004, a large multi-disciplinary subsurface project team was formed with members from LUKoil, ConocoPhillips and Fugro-Jason to develop updated high-resolution geologic and reservoir simulation models. The seismic and well log data were completely reprocessed, resulting in a significant improvement in the overall data quality. All log, core, and production test data were incorporated into a new, fully integrated, interpretation. A sophisticated Markov Chain Monte Carlo (MCMC) geostatistical inversion methodology was applied, and the resulting high-resolution geologic model yields a dramatic increase in reservoir detail. The new model enabled the team to define the aerial extent of different reservoirs and the distribution of internal barriers. It also provided insight into porosity and permeability distribution within each reservoir, enabling better decisions on the location of production and water injection wells. Development drilling is in progress.
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 | 0,000 | 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 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 ».