MétaCan
Menu
Retour à la cohorte
Enregistrement W2328327771 · doi:10.3997/1365-2397.2014013

Reservoir characterization of the Montney Shale – integrating seismic inversion with microseismic

2014· article· en· W2328327771 sur OpenAlexaboutno aff
Claudia Dueñas, Tom Davis

Notice bibliographique

RevueFirst Break · 2014
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGeologyMicroseismOil shaleHydraulic fracturingPetrologyLithologyUnconventional oilSeismic inversionReservoir modelingInversion (geology)Well loggingPetroleum engineeringSeismologyTectonicsPaleontology

Résumé

récupéré en direct d'OpenAlex

Understanding the optimization of heterogeneity of unconventional shale reservoirs prior to hydraulic fracturing is important for optimizing hydrocarbon production and recovery. Early prediction of geomechanical heterogeneity impacts the efficiency of horizontal well placement and completion design. Heterogeneity within shale reservoirs is influenced by composition and textural variation of the rock, ie, the rock quality. Rock quality can be evaluated or predicted with seismic-derived rock properties. This study shows how seismic data are used to determine rock quality through a multi-attribute analysis of wells logs integrated with post-stack and pre-stack inversion to characterize the Montney Shale at Pouce Coupe, Alberta (Duenas, 2014). The heterogeneity analysis combined with microseismic data and production profiles of the two horizontal wells in the area shows that lithology has a major influence on the rock quality of the Montney interval. The combined interpretation of this work with an understanding of the natural fracture system and the stress state of the reservoir can provide a rock quality index (RQI). This RQI can aid in future exploration and operational development of the Montney and other shale reservoirs worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,123
Score d'incertitude au seuil0,244

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,174
Écart entre enseignants0,167 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFirst BreakMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207