Seismic characterization of heavy oil reservoir during thermal production: A case study
Notice bibliographique
Résumé
ABSTRACT Heavy oil reservoirs are important alternative energy resources to conventional oil and gas reservoirs. However, due to the high viscosity, most production methods of heavy oil reservoirs involve thermal production. Heavy oil reservoirs’ properties change dramatically during thermal production because the viscosity drops drastically with increasing temperature. Moreover, the velocity and density also decrease after steam injection, leading to a longer traveltime of seismic velocities and low impedance of the steam chamber zone. These changes of properties can act as indicators of the steam chamber and can be detected through the time-lapse inversion method. We first establish the rock-physics relationship between oil sands’ impedance and temperature on the basis of our previous laboratory work. Then, we perform the forward modeling of the heavy oil reservoir with the steam chamber to demonstrate the influence of steam injection on seismic profiles. Then, we develop a modified-Cauchy prior-distribution-based time-lapse inversion method and perform a 2D model test. The inversion method is then applied on the real field data, and the results are analyzed. By combining the inverted impedance and rock-physics relation between impedance and temperature, the temperature distribution map is obtained, which can work as an indicator of steam chamber. Finally, an empirical relation between impedance and velocity is established, and velocity is derived from the impedance.
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 ».