Correction of Induction and Laterolog Charts for Evaluation of Gas Reservoirs
Notice bibliographique
Résumé
Abstract One of the main parts of reservoir characterization is the estimation of porosity, lithology and water saturation. These are done in the pay zones by utilizing formation evaluation and logging tools consisting of sonic, resistivity, and radioactive logs. For this purpose, induction and laterolog charts in conjunction with the extent of conductivity of drilling fluid are used to decide whether Dual Induction Log (DIL) or Dual Laterolog (DLL) tools to be employed. In numerous gas reservoirs of Iran, water-based drilling fluids with low conductivity (salinity) are used to drill these reservoirs. Based on existing literature, DIL is the logging tool of the choice for evaluation of these reservoirs. However, comparison of variety of DIL and DLL results showed that this is questionable and is not always the case. To clarify these differences, more logging jobs were closely studied. It was observed that, regardless of the salinity of the drilling fluid, DLL gives better evaluations. This result is not in full agreement with the prediction of the reference DIL and DLL charts. Therefore, these charts need some modification. In this paper, the corrected charts developed from the field data which result in better predictions are given. Employing new corrections causes the appropriate tools to be used. This results in lowering the number of logging tool runs and the rig time which both lead to reduction of costs and lowering the probability of stuck logging tools. Moreover, using these new charts helps to distinguish all oil and gas layers which may be missed if the previous procedure is used.
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 ».