Generating 3-D Permeability Map of Fracture Networks Using Well, Outcrop and Pressure Transient Data
Notice bibliographique
Résumé
This paper was prepared for the 2009 SPE/EAGE Reservoir Characterization and Simulation Conference. Abstract Well log and core information, seismic surveys, outcrop studies, and pressure transient tests are usually insufficient to generate representative 3-D fracture network maps individually. Any combination of these sources of data could potentially be used for accurate preparation of static models. Our previous attempts showed that there exists a strong correlation between the statistical and fractal parameters of 2-D fracture networks and their permeability (Jafari and Babadagli, 2009). We extend this work to fracture network permeability estimation using the statistical and fractal properties data conditioned to well test information. For this purpose, 3-D fracture models of nineteen natural fracture patterns with all known fracture network parameters were generated initially. It is assumed that 2-D fracture traces on the top of these models and also 1-D data from imaginary wells which penetrated the whole thickness of the cubic models were available, as well as pressure transient tests of different kinds. The 1- and 2-D data include statistical parameters (density and length distribution) and ten different fractal characteristics of different properties of the fracture system. Next, the permeability of each 3-D fracture network model was calculated and then converted into a grid based permeability map for drawdown well test simulations using commercial software packages. Finally, an extensive multivariable regression analysis using the statistical and fractal properties and well test permeability as independent variables was performed to obtain a correlation for equivalent fracture network permeability. The equation was validated against different natural and synthetic fracture network patterns. The cases requiring expensive well (logsand cores) and reservoir (pressure transient tests) data were identified. This approach and correlation is expected to be a useful tool for practitioners asit reduces the computational time in static model preparation significantly and utilizes the available data effectively. Introduction The two most common approaches proposed for model transport in fractured reservoirs (dynamic modeling) are single and dual-porosity models. These methods require grid based representation of fracture network properties like porosity and permeability. The discrete fracture network approach is morecapable of representing the complex nature of fracture networks but they are limited in modeling complex dynamic processes. Hence, an accuraterepresentation of a fracture network and its equivalent permeabilitydistribution is a crucial task in dynamic modeling.
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 | 0,001 |
| 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 ».