Seismic attribute-based characterization of coalbed methane reservoirs: An example from the Fruitland Formation, San Juan basin, New Mexico
Notice bibliographique
Résumé
Abstract The Fruitland Formation of the San Juan basin is the largest producer of coalbed methane in the world. Production patterns vary from one well to another throughout the basin, reflecting factors such as coal thickness and fracture and cleat density. In this study, we integrated conventional P-wave three-dimensional (3-D) seismic and well data to investigate geological controls on production from a thick, continuous coal seam in the lower part of the Fruitland Formation. Our objective was to show the potential of using 3-D seismic data to predict coal thickness, as well as the distribution and orientation of subtle structures that may be associated with enhanced permeability zones. To do this, we first derived a seismic attribute-based model that predicts coal thickness. We then used curvature attributes derived from seismic horizons to detect subtle structural features that might be associated with zones of enhanced permeability. Production data show that the best producing wells are associated with seismically definable structural features and thick coal. Although other factors (e.g., completion practices and coal type) affect coalbed methane production, our results suggest that conventional 3-D seismic data, integrated with wire-line logs and production data, are useful for characterizing coalbed methane reservoirs.
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 | 0,000 | 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) | 0,003 | 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 ».