Heavy oil sands measurement and rock-physics modeling
Notice bibliographique
Résumé
ABSTRACT Heavy oil reservoirs are important alternative energy resources to conventional oil and gas reservoirs. However, due to the high viscosity of heavy oil, much production of heavy oil reservoirs involves injecting steam, and determining the temperature distribution is significant for production. To do this, time-lapse inversion is commonly used to derive the change of the oil sand properties during steam injection, and rock-physics models are used to link the properties and temperature. Many people have done research on simulating variations of the oil sand properties with temperature; however, the previous models fail to adequately represent our experimental data, and they overestimate their values. The errors between previous models’ predictions and measurements are quite large, especially at low temperatures. To study the oil sand properties, we first measured eight oil sand samples including five presteam samples and three poststeam samples, and we experimentally quantified the pressure sensitivity of velocity, the temperature sensitivity of velocity, and the corresponding VP/VS ratios. Then we developed a new model, introducing a frame damage parameter and a solid oil proportion parameter. This model integrates the solid oil into the sand frame, and it incorporates the temperature-dependent frame damage to characterize the frame moduli variations with increasing temperature. The solid-Gassmann equation was then applied to saturate the sands’ frame with heavy oil. Our simulation results determined that the errors at low temperature and high temperature were both compensated, and the new model fitted better than previous models over the whole measurement temperature range. The modeling was also extended to the thermal production temperature range, and the phase transition of water was considered, which provided a useful indicator of the steam.
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) | 0,000 | 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 ».