Nuclear Magnetic Resonance NMR, A Valuable Tool for Tar Detection in a Carbonate Formation of Abu Dhabi
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 During the geological history, water borne bacteria may react with oil and result in the formation of tar (synonymous of bitumen in this paper). The dynamics of the reservoir over its history may also leave some tar within the hydrocarbon zones. Tar occupies a portion of the pores and may plug partially or fully the pore throats, significantly affecting the fluid flow in the reservoir. Detection of tar is of high significance in the field development for understanding the recovery and effectiveness of water/gas injection. Tar can be easily identified in the water zones using the resistivity response. In the oil zone, it is difficult to separate tar and hydrocarbons by using exclusively a resistivity log. NMR transverse T2 relaxation contains useful petrophysical and geological information. The T2 histogram is a function of both fluid properties and pore size distribution. Tar is almost solid and the hydrogen it contains relaxes very fast because of its strong binding forces. The shortened T2 in the presence of tar results in lower NMR porosity, compared to the conventional Density-Neutron porosity. The missing porosity from NMR along with other conventional logs and wireline formation tester can be reliably used in the evaluation of tar in the formation. The results can be quantified with confidence after calibrating with core results. Two examples are presented from the carbonate formations of Abu Dhabi, in the Middle East, where tar evaluation was successfully performed using NMR, Density-Neutron and MDT data.
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) | 0,001 | 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