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
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
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.
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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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