Analysis of Uncertainty Introduced by Scaleup of Reservoir Attributes and Flow Response in Heterogeneous Reservoirs
Notice bibliographique
Résumé
Summary Reservoir heterogeneities occur over a wide range of length scales, and their interaction with various transport mechanisms controls the performance of subsurface flow and transport processes. Modeling these processes at large scales requires proper scaleup of petrophysical properties that are autocorrelated or heterogeneously distributed in space, and analyzing their interaction with underlying transport mechanisms. A method is proposed to investigate and quantify the uncertainty in reservoir models introduced by scaleup. It is demonstrated that when the volume support of the measurement is smaller than the representative elementary volume (REV) scale of the attribute to be modeled, there is uncertainty in the conditioning data because of scaleup and that uncertainty has to be propagated to spatial models for the attribute. This important consideration is demonstrated for mapping total porosity for a carbonate reservoir in the Gulf of Mexico. The results demonstrate that in most cases, the uncertainty distributions obtained by accounting for the scaleup procedure successfully characterize the variability in the actual core and log data observed along new wells. Conventional reservoir models considering the well data as "hard" conditioning data fail to predict the "true" values. Following this discussion on scaling of reservoir attributes, a conceptual understanding of the scaling characteristics of flow responses such as recovery factor (RF) is provided, in terms of the mean and variance of RF at different length scales. Finally, a new technique is presented to systematically quantify the scaling characteristics of transport processes by accounting for subscale heterogeneities and their interaction with various transport mechanisms based on the volume averaging approach. The objective is to provide a tool for understanding the scaling relationships for RF using detailed fine-scale compositional reservoir simulations over a subdomain of the 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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».