Estimation of fluid/porosity and dry fracture weaknesses using azimuthal elastic impedance
Notice bibliographique
Résumé
Fluid identification and fracture detection are important tasks in unconventional reservoir (tight gas sand and shale gas) characterization. We establish an approach to directly predict the fluid/porosity term and dry fracture weaknesses based on azimuthal elastic impedance inversion. Under the assumptions of small fracture weakness and low porosity, we simplify expressions relating stiffness parameters, and derive P-to-P reflection coefficient and azimuthal elastic impedance in terms of fluid/porosity term and dry fracture weaknesses. A least-squares algorithm is employed to invert seismic data, partially-stacked over the incidence angle, for elastic impedance at different azimuths, and subsequently a Bayesian Markov Chain Monte Carlo method is used to transform the azimuthal elastic impedance values into the fluid/porosity term and dry fracture weaknesses. Stability and accuracy are analyzed on synthetic data, wherein we conclude the fluid/porosity term and dry fracture weaknesses are correctly estimated in the presence of moderate data error or noise. The stability of the proposed inversion approach is confirmed on a field data set, within which we observe that reasonable parameters are determined. We conclude that this particular workflow and its underlying geophysical assumptions form a potentially powerful approach for fracture prediction and fluid discrimination. Presentation Date: Wednesday, September 27, 2017 Start Time: 11:25 AM Location: 360D Presentation Type: ORAL
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».