Sandstone reservoir quality prediction: The state of the art
Notice bibliographique
Résumé
Joanna Ajdukiewicz joined Exxon Production Research Company in 1980. She was Reservoir Quality Assessment and Prediction team lead there from 1991 to 1995 and at Imperial Oil Research Centre in Calgary from 1995 to 1997. Subsequently, she has worked a variety of Exploration Company assignments in the North Sea, Gulf of Mexico, and Middle East. Her current interests are in predicting the distribution of early diagenetic controls on deep reservoir quality. Rob Lander develops diagenetic models for Geocosm LLC. He obtained his Ph.D. in geology from the University of Illinois in 1991, was a research geologist at Exxon Production Research from 1991 to 1993, and worked for Rogaland Research and Geologica AS from 1993 to 2000. He is also a research fellow at the Bureau of Economic Geology. To guess is cheap; to guess wrongly is expensive (Chinese proverb). Reservoir-quality predictive models will be a useful element of risk analysis until remote-sensing tools are invented that accurately measure effective porosity and permeability ahead of the bit. This issue of the AAPG Bulletin highlights recent advances in a new generation of reservoir quality models that have successfully predicted porosity and permeability in diverse siliclastic reservoirs under many different burial conditions. Most previous attempts at predrill reservoir quality prediction have relied on empirical correlations or on first-principle geochemical simulations that incorporate laboratory-derived input parameters (Wood and Byrnes, 1994). The new reservoir quality models differ from previous approaches in that, although incorporating theory-inspired algorithms, they include terms with values that are explicitly designed to be calibrated by, and tested against, data sets of high-quality petrographic analyses that are linked to thermal and effective-stress histories. Petrographic observations therefore provide essential constraints in these models on the types, timing, and rates of key geologic processes affecting sandstone pore systems. This approach avoids the pitfalls inherent …
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,005 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».