MétaCan
Menu
Retour à la cohorte
Enregistrement W1974730941 · doi:10.2118/162309-ms

Joint AVO Inversion for Time-Lapse Elastic Reservoir Properties

2012· article· en· W1974730941 sur OpenAlexaboutno aff
Ayato Kato, Robert R. Stewart

Notice bibliographique

RevueAbu Dhabi International Petroleum Conference and Exhibition · 2012
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBaseline (sea)Inversion (geology)WaveletSeismic surveyGeologySeismic inversionSeismologyGeodesyAlgorithmComputer scienceMathematicsGeometryTectonicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Abstract For time-lapse seismic inversion, it is common that baseline and monitor survey data are separately inverted to elastic properties. Elastic property changes are obtained from difference in the two inversion results. Buland and Quair (2006) proposed novel time-lapse inversion method based on the Bayesian theorem, in which posterior distribution of elastic property change are obtained from seismic data difference between two surveys along with the prior information. However, individual elastic properties at baseline (or repeat) survey cannot be simultaneously obtained. Moreover, they assumed constant wavelet although individual wavelets are commonly used in different vintage data. Therefore, to overcome the limitations, we have developed a new time-lapse seismic inversion method. The method uses both baseline and monitor survey data, instead of only uses the difference, and simultaneously obtains elastic properties (e.g., P- and S-wave velocities and density) at baseline survey and the changes at monitor survey as well as the uncertainties. Furthermore, the developed method allows us to use individual wavelet in each seismic data, resulting in multicomponent data which can be used. The method is applied to Hangingstone oilfield in Canada, where heavy-oil with 8.5 °API has been produced by SAGD method and time-lapse seismic data were acquired; baseline survey in 2002 and repeat survey in 2006. Both P-P and P-S data are available in the monitor survey while only P-P data is available in the baseline survey. We use all the available seismic data to obtain initial elastic properties at the baseline survey, which reasonably well agree with well log data, as well as the elastic property change due to steam injection. Furthermore, the elastic property change is converted to temperature change within reservoir by using heavy-oil rock physics model, which are reasonably consistent with measurement at observation wells.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,767
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,031
Tête enseignante GPT0,225
Écart entre enseignants0,194 · 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 tête enseignante, pas un consensus.

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

Citations3
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAbu Dhabi International Petroleum Conference and ExhibitionMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207