High-frequency anomalies in carbonate reservoir characterization using spectral decomposition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Low-frequency shadows have often been used as hydrocarbon indicators in the application of spectral decomposition. The reason behind the low-frequency anomaly has been explained as high-frequency energy attenuation caused by hydrocarbons. However, in our practice on carbonate reservoir characterization in two areas, Precaspian Basin and Central Tarim Basin, China, we encountered high-frequency anomalies, i.e., the isofrequency slices or sections at high frequencies exhibit anomalies associated with the good carbonate reservoir, particularly in the tight limestone background. We used the product of porosity and thickness as a parameter to measure the quality of the carbonate reservoir of each well and classified the 46 wells in our two studied areas into three types. Type I wells contain high-porosity thick reservoirs, type II wells contain reservoirs with moderate porosity and thickness, and type III wells contain only low-porosity thin reservoirs. The results were that 12 out of 13 type I wells exhibit high-frequency anomalies, and 30 out of 33 type II and type III wells do not exhibit high-frequency anomalies. We further validated the existence of this high-frequency anomaly by forward modeling analysis and fluid substitution experiments using the actual well-log curves measured in the carbonate reservoir. The results showed that in our two studied areas the high-frequency anomalies are more common than low-frequency shadows that can be observed only when the thickness of the reservoir is more than half of the wavelength or the reservoir rocks are extremely unconsolidated. Therefore, this high-frequency anomaly may be used as a more reliable indicator for a good carbonate reservoir than low-frequency shadows in real applications.
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.
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 découle