Constructing a discrete fracture network constrained by seismic inversion data
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 découle