Petrophysical Quantification of Multiple Porosities in Shale-Petroleum Reservoirs With the Use of Modified Pickett Plots
Notice bibliographique
Résumé
Summary Previous petrographic work has shown that shale-petroleum reservoirs at discovery are characterized by a quad-porosity system. In this work, a petrophysical model is built that allows quantification of storage capabilities in shales through determination of adsorbed porosity (ϕads_c), organic porosity (ϕorg), inorganic porosity (ϕm), and fracture porosity (ϕ2). All these porosities are important because they provide reasonable input to physics-based numerical simulators for shale-petroleum reservoirs and thus more-realistic projections of reservoir performance and recoveries. Pattern recognition is used in a modified Pickett plot for distinguishing key shale components such as total organic carbon (TOC) and level of organic metamorphism (LOM) and to distinguish between viscous and diffusion-like flow. Results from the model compare well with laboratory data. The petrophysical model is easy to use, yet it is robust because it can handle at the same time the four porosities mentioned previously, but it can also handle simultaneously three, two, or only one of those porosities depending on the characteristics of the reservoir at a given depth. It is concluded that the petrophysical model presented in this paper constitutes a valuable tool for physics-based characterization of shale-petroleum reservoirs.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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 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 ».