A Petrophysical Dual-Porosity Model for Evaluation of Secondary Mineralization and Tortuosity in Naturally Fractured Reservoirs
Notice bibliographique
Résumé
Summary Quantification of secondary mineralization or cementation within natural fractures has not been considered in previous petrophysical dual-porosity models. This is, however, of paramount importance because morphology of the fractures indicates that they can be open or partially or completely mineralized. If cementation with secondary minerals is complete, the recovery of hydrocarbons will be generally very small because hydrocarbons will not have any way to move from matrix to natural fracture and then to the wellbore. However, if secondary mineralization is partial, production rates and recoveries could be quite significant because the secondary minerals would play the role of natural proppant agents helping to maintain the fractures open as the reservoir is depleted. If the fractures are initially open, production rates and recoveries could be large or small depending on the relative orientation of the natural fractures with respect to in-situ stresses. These observations lead to the key objective of this paper: to develop an analytical dual-porosity model using resistance networks for quantifying petrophysical fracture parameters such as degree of cementation (β), formation factor (F), dual-porosity exponent (m), and tortuosity (τ) for different degrees of mineralization (cementation) within the fractures. The method further allows estimating matrix and fracture porosities and fracture compressibility on the basis of the amount of secondary mineralization. Use of the new dual-porosity model is explained with two core data sets drawn from tight gas formations in the United States and Canada. A comparison is made with results of current dual-porosity models that do not take into account secondary mineralization within the natural fractures and tortuosity. The conclusion is reached that the proposed dual-porosity model provides a valuable new quantitative tool for petrophysical and reservoir-engineering evaluations of naturally fractured reservoirs. This is illustrated with two numerical examples that show determination of original petroleum in place and recovery. One example is volumetric, and the other one is based on the material-balance calculations.
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 | 0,001 |
| 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 ».