MétaCan
Menu
Retour à la cohorte
Enregistrement W2762112957 · doi:10.1190/int-2017-0043.1

Characterization of carbonate microfacies and reservoir pore types based on Formation MicroImager logging: A case study from the Ordovician in the Tahe Oilfield, Tarim Basin, China

2017· article· en· W2762112957 sur OpenAlexaff
Miaomiao Meng, Tailiang Fan, Ian Duncan, Shuai Yin, Zhiqian Gao, Lei Jiang, Chao Yu, Jiang Longyan

Notice bibliographique

RevueInterpretation · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueHydrocarbon exploration and reservoir analysis
Établissements canadiensPetro-Canada
Organismes subventionnairesChina Scholarship CouncilNational Natural Science Foundation of China
Mots-clésGeologyCarbonateTarim basinDiagenesisShoalWell loggingPetrologyGeochemistryGeomorphologyPetroleum engineering

Résumé

récupéré en direct d'OpenAlex

Improving the characterization of deep carbonate reservoirs requires developing a clear understanding of nature and distribution of their constituent microfacies and associated pore types. These aspects have been little studied in the middle-lower Ordovician of the Tahe Oilfield in the Tarim Basin in large part due to the limited available cores and relatively poor seismic data. Formation MicroImage (FMI) logging provides a bridge to connect the core data and seismic data to facilitate study of the distribution of microfacies and pore types. Based on analysis of the FMI logs from eight wells (each calibrated by comparing with core samples, thin sections, and conventional well logs), five FMI-based microfacies have been established: (1) intershoal sea microfacies (ISMF), (2) low-energy shoal microfacies (LSMF), (3) high-energy shoal microfacies (HSMF), (4) lagoon microfacies (LMF), and (5) tidal flat microfacies (TFMF). Using the FMI-based identification of microfacies, it has been proposed that the Yingshan Formation was deposited in restricted-platform (characterized by LSMF, HSMF, LMF, and TFMF) and open-platform (characterized by ISMF, LSMF, and HSMF) environments. Three pore types, with the potential for reservoir quality porosity, have been identified in FMI logs: pores (laminated and isolated pores), vugs, and fractures (dipping shear and conjugate fractures). Statistical analyses found that, in comparison with other microfacies, HSMF is more favorable for the development of the above three reservoir pore types, vugs being the most abundant. This study shows the effectiveness of FMI images in the identification of carbonate microfacies and reservoir pore types, and in the building of high-resolution 3D geologic models that identify high-quality reservoir zones.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,222
Score d'incertitude au seuil0,442

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,013
Tête enseignante GPT0,245
Écart entre enseignants0,232 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations12
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInterpretationMême sujetHydrocarbon exploration and reservoir analysisTravaux en français237 207