Interpretation of geologic facies in seismic volume using key rock elastic properties and high-definition facies templates
Notice bibliographique
Résumé
We have developed a deterministic workflow in mapping the small-scale (centimeter level) subseismic geologic facies and reservoir properties from conventional poststack seismic data. The workflow integrated multiscale (micrometer to kilometer level) data to estimate rock properties such as porosity, permeability, and grain size from the core data; effective porosity, resistivity, and fluid saturations using petrophysical analyses from the log data; and rock elastic properties from the log and poststack seismic data. Rock properties, such as incompressibility (lambda), rigidity (mu), and density (rho) are linked to the fine-particle-volume (FPV) ranges of different facies templates. High-definition facies templates were used in building the high-resolution (centimeter level) near-wellbore images. Facies distribution and reservoir properties between the wells were extracted and mapped from the FPV data volume built from the poststack seismic volume. Our study focused on the heavy oil-bearing Cretaceous McMurray Formation in northern Alberta. The internal reservoir architecture, such as the stacked channel bars, inclined heterolithic strata, and shale plugs, is intricate due to reservoir heterogeneity. Drilling success or optimum oil recovery will depend on whether the reservoir model accurately describes this heterogeneity. Thus, it is very important to properly identify the distribution of the permeability barriers and shale plugs in the reservoir zone. Dense vertical well control and dozens of horizontal well pairs over the area of investigation confirm a very good correlation of the geologic facies interpreted between the wells from the seismic volume.
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 ».