Permeability prediction from MICP and NMR data using an electrokinetic approach
Notice bibliographique
Résumé
Abstract The accurate modeling of oil, gas, and water reservoirs depends fundamentally upon access to reliable rock permeabilities that cannot be obtained directly from downhole logs. Instead, a range of empirical models are usually employed. We propose a new model that has been derived analytically from electrokinetic theory and is equally valid for all lithologies. The predictions of the new model and four other common models (Kozeny-Carman, Berg, Swanson, and van Baaren) have been compared using measurements carried out on fused and unfused glass bead packs as well as on 91 rock samples representing 11 lithologies and three coring directions. The new model provides the best predictions for the glass bead packs as well for all the lithologies. The crux of the new model is to have a good knowledge of the relevant mean grain diameter, for example, from MICP data. Hence, we have also predicted the permeabilities of 21 North Sea well cores using all five models and five different measures of relevant grain size. These data show that the best predictions are provided by the use of the new model with the geometric mean grain size. We have also applied the new model to the prediction of permeability from NMR data of a 500 m thick sand-shale succession in the North Sea by inverting the T2 spectrum to provide a value for the geometric mean grain size. The new model shows a good match to all 348 core measurements from the succession, performing better than the SDR, Timur-Coates, HSCM, and Kozeny-Carman predictions.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».