Integration of completion data, microseismic data, downhole logs, and multicomponent seismic data in the Mississippi Lime, north-central Oklahoma
Notice bibliographique
Résumé
Abstract Previously published work on a Mississippi Limestone (Mississippi Lime) prospect in north-central Oklahoma described a prospect that is data rich. Aquisition was on a dense grid using nodal 3C phones, and PP and PS data were both processed and jointly inverted. Several pilot holes and laterals were drilled and fully logged, including Sonic Scanner and formation-microimager (FMI) fracture logs. Microseismic data were acquired on one well pad, as was a 3D VSP. New resesarch discusses two specific fracture-characterization methodologies. The first is the integration of vertical and lateral log suites, including fracture imaging, with seismic rock properties and completion results, including microseismic data. The results of this effort not only characterize fracture width and height but go farther by explaining why and how those fractures are created. The second is the use of converted-shear (PS) data to measure anisotropy and correlate those measurements with fracture logs. Specifically, two methods of calculating anisotropy are analyzed: slow shear-wave (S2) traveltime correction and transverse/radial energy ratio. Both methods are theoretically valid but might break down in practice because of various nongeologic artifacts that can be present in the 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.
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 | 0,002 | 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 | 0,002 | 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 ».