Reservoir Characterization and Modelling of Stacked Fluvial/Shallow Marine Reservoirs: What is Important for Fluid-Flow Performance and Effective Reservoir Prediction?
Notice bibliographique
Résumé
Abstract Earth modelling and field implementation experience in fluvial/shallow marine clastic reservoirs suggests that relatively large, km to m scale geologic features such as stratal framework and facies architecture dominate the model behaviour and influence the accuracy of performance forecast more than numerically driven pore scale heterogeneity. Twenty seven reservoir models were built by using different modelling methods and varying a combination of more uncertain reservoir characterization parameters ranging in scale from field to voxel to pore level. The models were largely influenced by deterministic geological controls rather than numerically driven stochastic variations. Guided by regional work, core and image log integration, the large scale stratal framework, the facies scheme and the zonal variograms were kept the same in all the models while the rock fabric and pore scale heterogeneity were varied using facies models, reservoir trend maps, and permeability contrast scenarios. These 27 models were all subjected to history match constrained fluid-flow simulation with a partially active aquifer, and peripheral and pattern waterflooding. Static and dynamic parameter uncertainties were handled by using experimental design. The results show that oil recovery from existing wells at 98% water cut ranges from 25 to 40% in these 27 models. Also, there are differences (greater than 20%) in water-breakthrough time, water cut, and cumulative water production. While the large scale stratal framework defined the flow units and provided fundamental control on zonal production behaviour (e.g. differential depletion, early water breakthrough, and conformance control), the differences in oil recoveries and water cut among all models were found to be related to variation in m- scale rock heterogeneity rather than pore scale heterogeneity and permeability contrast. Do we need more complex, numerically exhaustive models to predict flow performance in channelised reservoirs with reasonable well control? Some of the simple, but geologically constrained models we constructed provided superior flow-simulation results, impacted development concepts and led to accurate prognosis from new drills.
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 | 0,001 | 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 | 0,001 |
| 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 ».