On the Use of Particle Size Distribution Data for Permeability Modeling
Notice bibliographique
Résumé
Abstract Particle-size distribution (PSD) is a list of values that defines the relative amount of particles present according to the size in a sample. The PSD of the McMurray Formation sediments characterizes rock granulometry and is a fundamental indicator of sediment's nature. The size distribution of the component solid particles in the McMurray Formation sediments relates to their porosity, volume of water and bitumen contained within the pore space, and to depositional environment, including lithological association, stratigraphy, aerial distribution, and associated physical processes. Particle size distribution is known to be a significant factor for evaluating bitumen recovery from an oil sands mine. This is because presence of fines (evaluated by PSD analysis) affects the hot water separation process, processing plant recovery prediction and provides grade control. Presence of more fines translates into lower recovery from commercial oil sands processing. In this paper we investigate whether the particle size distribution should be also considered a critical parameter for evaluation and estimation of permeability of an oil sands reservoir. We show using the data from the Cenovus Energy's Telephone Lake lease that there is a strong relationship between permeability and particle size distribution data. We also show that the information provided by the PSDs for permeability prediction is more significant than the one inferred from a simple porosity-permeability relationship. Subsequently, we comment on permeability modeling using particle size distribution data and list the techniques available for cleaning and modeling of multivariate PSDs. We document a methodology for accurate modeling of PSDs and provide a workflow for incorporating these data in improved understanding and modeling of permeability and its distribution.
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 | 0,002 |
| 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 ».