On the Characterization of Carbonate Reservoirs Using Low Field NMR Tools
Notice bibliographique
Résumé
Abstract Alberta contains significant deposits of oil and gas in carbonate formations. Carbonates tend to have fairly tight matrix structures, resulting in low primary porosity and permeability. As a result, laboratory characterization of carbonate properties is a slow and tedious process. Low field NMR is an emerging technology shows great promise in rock characterization. In a single NMR experiment, rock properties like porosity, permeability and Swi can in theory be measured. Experiments were performed on approximately 80 core plugs from six carbonate formations. Porosity measurements were performed through gas expansion and brine saturation (Archimedes’ principle). Air permeabilities were also measured. Cores were also saturated with brine and spun to irreducible water saturation. NMR measurements were taken at both saturation stages (Sw = 1.0 and Sw = Swi). NMR data were interpreted using the conventional core analysis results as guides. Observations were made regarding NMR trends and corresponding rock properties. Preliminary analysis of the data shows that NMR can successfully predict the content and distribution of the fluids in the porous media. Also, the NMR spectra of carbonate samples seem to suggest that NMR can be used as a tool for classifying cores into different pore systems. Using T2cutoff values as a tool, the cores can be divided into groups. Group 1 has T2cutoff < 80 ms, while group 2 has T2cutoff in the range of 80 to 200 ms and group 3 has T2cutoff values > 200 ms. Group 1 cores generally have higher porosity values than groups 2 and 3. Group 1 also has low values of T2gm, compared to the other two groups. Air permeability was compared to the geometric means and T2gm_cutoff values of the three groups and some general trends were observed, but more analysis is required before these trends can be quantified.
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 | 0,000 |
| 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 | 0,000 |
| 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 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 ».