MétaCan
Menu
Retour à la cohorte
Enregistrement W2601315580 · doi:10.1111/1365-2478.12527

Constructing a discrete fracture network constrained by seismic inversion data

2017· article· en· W2601315580 sur OpenAlexaff
Lennert D. den Boer, Colin M. Sayers

Notice bibliographique

RevueGeophysical Prospecting · 2017
Typearticle
Langueen
DomaineEarth and Planetary Sciences
ThématiqueSeismic Imaging and Inversion Techniques
Établissements canadiensSchlumberger (Canada)
Organismes subventionnairesnon disponible
Mots-clésGeologyAmplitude versus offsetSeismic inversionAnisotropyAzimuthPermeability (electromagnetism)Environmental geologyEngineering geologyFracture (geology)Offset (computer science)Seismic to simulationSeismic anisotropyHydrogeologyFluid dynamicsReservoir modelingRegional geologyAmplitudeSeismologyGeophysicsGeotechnical engineeringComputer scienceMechanicsGeometryMathematics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Rock fractures are of great practical importance to petroleum reservoir engineering because they provide pathways for fluid flow, especially in reservoirs with low matrix permeability, where they constitute the primary flow conduits. Understanding the spatial distribution of natural fracture networks is thus key to optimising production. The impact of fracture systems on fluid flow patterns can be predicted using discrete fracture network models, which allow not only the 6 independent components of the second‐rank permeability tensor to be estimated, but also the 21 independent components of the fully anisotropic fourth‐rank elastic stiffness tensor, from which the elastic and seismic properties of the fractured rock medium can be predicted. As they are stochastically generated, discrete fracture network realisations are inherently non‐unique. It is thus important to constrain their construction, so as to reduce their range of variability and, hence, the uncertainty of fractured rock properties derived from them. This paper presents the underlying theory and implementation of a method for constructing a geologically realistic discrete fracture network, constrained by seismic amplitude variation with offset and azimuth data. Several different formulations are described, depending on the type of seismic data and prior geologic information available, and the relative strengths and weaknesses of each approach are compared. Potential applications of the method are numerous, including the prediction of fluid flow, elastic and seismic properties of fractured reservoirs, model‐based inversion of seismic amplitude variation with offset and azimuth data, and the optimal placement and orientation of infill wells to maximise production.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,017
Tête enseignante GPT0,246
Écart entre enseignants0,229 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

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

En bref

Citations20
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGeophysical ProspectingMême sujetSeismic Imaging and Inversion TechniquesTravaux en français237 207